封鎖新聞訊息，4 月 23 日 — Perplexity 的研究團隊發布了一篇技術文章，詳述其用於 Web 搜尋代理的後訓練方法。該方法使用兩個開源的 Qwen3.5 模型 (Qwen3.5-122B-A10B 與 Qwen3.5-397B-A17B)，並採用兩階段流程：先進行監督式微調 (SFT) 以建立遵循指令與語言一致性，接著透過線上強化學習 (RL) 以最佳化搜尋準確性與工具使用效率。
RL 階段使用 GRPO 演算法，且有兩種資料來源：一個專有的多跳可驗證問答資料集，係由內部種子查詢構建而成，要求推理 2–4 個跳步，並透過多解算器驗證；以及基於規則量表的通用對話資料，將部署需求轉換為可客觀檢查的原子條件，以防止 SFT 行為退化。
獎勵設計採用閘控聚合——只有在達到基準正確性時（(question-answer match)）或所有規則量表準則均滿足時，偏好分數才會被計入，以避免高偏好訊號掩蓋事實錯誤。效率懲罰則使用同組錨定，對超出同組中正確答案基準的工具呼叫與生成長度套用平滑懲罰。
評估顯示 Qwen3.5-397B-SFT-RL 在各類搜尋基準上達到業界一流的表現。在 FRAMES 上，單次工具呼叫可達 57.3% 準確率，較 GPT-5.4 高出 5.7 個百分點，並較 Claude Sonnet 4.6 高出 4.7 個百分點。在中等預算 (four tool calls) 下，它以每次查詢 $0.02 達到 73.9% 準確率；相比之下，GPT-5.4 為 67.8%（每次查詢 $0.085），Sonnet 4.6 為 62.4%（每次查詢 $0.153）。成本數據基於各供應商的公開 API 定價，且不包含快取最佳化。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
AI 代理 Manfred 設立公司，著手準備加密錢包在 5 月底前開始交易
AI 代理 Manfred 已成立其自家公司，並取得一個加密貨幣錢包與商業憑證，包括能夠雇用員工與進行付款。該代理預計將在年底前開始進行加密貨幣交易
GateNews15分鐘前
Tether 執行長提議整合 WDK 與 QVAC 以支援代理卡（Agent Cards）
根據 Foresight News，Tether 執行長 Paolo Ardoino 於 X 上表示，穩定幣發行商可能需要推進 WDK 與 QVAC 之間的整合，以支援 Agent Cards 功能。
GateNews3小時前
Particle Network 發布通用帳戶路線圖，推出通用存款 SDK 與 AI 代理帳戶
根據 ChainCatcher，Particle Network 今天發布了 Universal Accounts 的下一階段路線圖，並在未來幾個月推出兩款新產品：Universal Deposit SDK，讓開發者能以約 10 行程式碼新增跨鏈存款，以及 Universal Agent Accounts，
GateNews3小時前
OpenAI 允許 ChatGPT 訂閱在代理平台 OpenClaw 上運作
根據 OpenAI 執行長 Sam Altman 在 5 月 2 日的說法，ChatGPT 使用者現在可以使用他們的 ChatGPT 帳號登入代理平台 OpenClaw，並直接在該平台上使用其既有的 ChatGPT 訂閱。
GateNews6小時前
AI 代理 Manfred 成立公司，準備於 5 月底前進行加密貨幣交易
AI 代理 Manfred 已成立自己的公司，並取得加密貨幣錢包以及憑證，以雇用人員、進行付款並開展業務。該代理計劃在年末之前開始進行加密貨幣交易，並
GateNews6小時前
Bakkt 完成 DTR 收購，並在營收成長與策略重整中推進
Bakkt 已完成對 Distributed Technologies Research 的收購，這項舉措旨在將原生於人工智慧（AI）的穩定幣基礎設施整合到其核心金融服務中。
現代化全球結算
Bakkt Inc. 已完成對 Distributed Technologies 的收購
Coinpedia11小時前
