Perplexity 称，在一次线上 A/B 测试中，较晚的 Computer 检查点将工具调用失败减少了 21.2%
Perplexity 对 Computer 模型进行了后训练，使其通过提示引导的自蒸馏从自身错误中学习。Perplexity 称，在一次线上 A/B 测试中，较晚训练的检查点将工具调用失败减少了 21.2%，这一降幅相对于较早的检查点。
相关AI快讯
Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型
Perplexity 发布了 pplx-embed-v2-late，包含两款后期交互嵌入模型，可通过共享嵌入空间检索文本、图像和页面，现已在 Hugging Face 上公开发布。
Perplexity Computer 新增 Automations，支持按计划和事件触发执行工作
Perplexity 正在 Perplexity Computer 中推出 Automations，用于持续进行的工作。它们可根据事件触发或按计划采取行动，并能配合记忆、技能以及 Slack、Gmail、Outlook 和 Linear 等应用使用。
Perplexity 的 Secure Intelligence Institute 与高校研究人员及 NVIDIA 合作
Perplexity 表示，其 Secure Intelligence Institute 与斯坦福、CMU、杜克、哥伦比亚、俄亥俄州立大学和 UVA 的研究人员合作，并与 NVIDIA 及 Open Secure AI Alliance 合作，分享工具和研究结果。
Perplexity 用 Bumblebee 检查开发者电脑上的风险软件包
Perplexity 表示，Bumblebee 会检查开发者电脑上的风险软件包和扩展，Computer 则根据 Bumblebee 与 Numbat 的发现提出更好的检测规则。每项变更在发布前都须由人工批准，智能体不能批准自己的变更。
Perplexity 分享如何把智能体设计得更安全
Perplexity 表示，已将防护措施内置到基础设施、运行框架和工具中，并应用到各产品，同时发布了对这一做法的说明。