在合成环境中做完强化学习后，我们会在真实世界会话上继续训练，以暴露设计场景之外的问题。我们的采样管线会排除含个人身份信息（PII）的会话，以及选择不参与训练的用户的会话。

Perplexity 公开了其训练方法：先在合成环境中做强化学习，再用真实世界用户会话训练，以发现设计场景覆盖不到的问题；采样管线排除含 PII 的会话和选择退出的用户。为什么重要：这具体展示了一家前沿实验室如何混合合成数据与真实数据、同时划出隐私红线——整个行业正在向这一做法靠拢。

• Perplexity2026-09-22 20:21