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
Virtuals Protocol 推出 OpenGradient Titan 空投，今部分發 50 萬 OPG
根據 Virtuals Protocol 的官方公告，OpenGradient Titan Launch 空投已於 5 月 7 日正式上線。符合資格的用戶可直接從其 Virtuals 帳戶領取 OPG 代幣。今天將發放總計 500,000 OPG 代幣，以獎勵對 Virtuals 的貢獻者。
GateNews3小時前
NVIDIA 發表 Nemotron 3 Nano Omni 開源多模態
NVIDIA 公布 Nemotron 3 Nano Omni 開源多模態模型，將視覺、語音與語言整合於單一模型，作為 AI 代理的感知層。核心為 30B-A3B MoE、256K context、9x 吞吐，支援文字、影像、音訊、影片等輸入，輸出為文字。與 Nemotron 3 Super/Ultra 協同，適用電腦操作、文件智慧與音畫理解等場景，並公開權重與訓練資料，部署覆蓋本地、NIM 與第三方平台。
鏈新聞abmedia4小時前
NeoSoul 與 AllScale 今日宣布在代理信貸與穩定幣結算方面的策略合作
根據 ChainCatcher，AI Agent Economy 專案 NeoSoul 於今日（5 月 7 日）宣布與 AllScale 建立策略合作夥伴關係，藉此探索用於自主 Agent 協作的信用生成與穩定幣結算機制。該合作夥伴關係將聚焦於自動化 Agent 之間的付款流程——作為
GateNews4小時前
FIS 與 Anthropic 開發用於反洗錢的 AI 代理，並計畫在 2026 年下半年部署至 BMO 以及 Amalgamated Bank
FIS 和 Anthropic 正在開發用於自動化金融犯罪調查的 AI 代理程式，先從反洗錢作業開始。金融犯罪 AI 代理程式將從銀行系統提取資料，並將交易與已知手法進行比對評估，以協助調查人員審閱其相關內容
GateNews6小時前
Prime Intellect Lab 於 5 月 7 日推出一般可用（GA），並在測試版完成 10,000+ 次訓練執行
根據 Prime Intellect，該公司旗下的 Lab 平台於 2026 年 5 月 7 日退出測試版，並轉為一般可用，作為用於自我強化 AI 代理的端到端訓練環境。統一式管線整合了模型改進工作流程，使使用者能夠定義任務、設定並配置
GateNews6小時前
Cloudflare 在 Consensus 2026 上每天觸發 10 億筆 HTTP 402 回應，並與 Visa 與 Experian 推出「Agent Trust Framework」
根據 Foresight News，Cloudflare 首席安全官 Stephanie Cohen 於 2026 年的 Consensus 上宣布，該平台每天觸發約 10 億次 HTTP 402 回應，反映出 AI 代理對付費存取網頁內容的需求。該公司與 Visa 和 Experian 共同推出了 Agent Trust
GateNews9小時前
