Modele și platforme AI
Perplexity Brain creează și actualizează abilitățile agenților pe baza experienței

Puncte cheieBrain personalizează agentul prin schimbarea contextului și a instrucțiunilor, nu a…
Vezi mai mult
- Brain personalizează agentul prin schimbarea contextului și a instrucțiunilor, nu a ponderilor modelului.
- Crearea automată de abilități a ajuns la 72,9% dintre utilizatorii activați, față de 6,5% în grupul de control, în testul de producție.
- Actualizările încorporate ale abilităților necesită testare de replay în pereche și aprobarea unui inginer înainte ca orice modificare să intre în vigoare.
Perplexity a declarat la 18 noiembrie 2026 că Brain, sistemul de personalizare pentru agentul Computer, poate acum să creeze și să actualizeze abilități reutilizabile pentru agenți și că Brain scrisese peste 80.000 de abilități personale pentru mai mult de 20.000 de utilizatori în perioada 1 august 2026–14 noiembrie 2026.
Extinderea este concepută pentru a surprinde preferințe și proceduri specifice fluxurilor de lucru, pe care un model de uz general nu le poate cunoaște dinainte, reducând astfel explicațiile și corecturile repetate. Abilitățile reunesc instrucțiuni reutilizabile și resurse de sprijin, uneori inclusiv scripturi. Mediul de execuție Computer le face ușor de găsit și le încarcă instrucțiunile atunci când agentul le solicită; utilizatorii pot, de asemenea, să specifice abilități într-un prompt. Personalizarea modifică contextul și instrucțiunile agentului, nu ponderile modelului de bază.
Îmbunătățirea abilităților personale este disponibilă tuturor abonaților Max din SUA. Funcția este activată în mod implicit pentru utilizatorii eligibili și poate fi dezactivată. Fila „Pluginuri” identifică abilitățile create de Brain și le permite utilizatorilor să aleagă ce abilități sunt activate.
Adopția și rezultatele testelor inițiale
Perplexity a raportat, de asemenea, peste 100.000 de actualizări automate ale a peste 30.000 de abilități personale existente, în perioada 4 septembrie 2026–14 noiembrie 2026. Într-un test de producție randomizat, desfășurat timp de opt săptămâni, 72,9% dintre utilizatorii cu îmbunătățirea automată activată au primit cel puțin o nouă abilitate personală, față de 6,5% dintre participanții din grupul de control, care au adăugat manual câte una. O abilitate personală a fost încărcată într-o conversație inițiată de utilizator pentru 53% dintre utilizatorii din grupul cu funcția activată și pentru 13% dintre cei din grupul de control. Dintre clienții care au primit o abilitate creată de Brain, 63% au folosit din nou o astfel de abilitate într-o conversație ulterioară, în decurs de patru săptămâni.
În același experiment, Perplexity a raportat o reducere cu 11% a eșecurilor apelurilor către instrumente în întreaga activitate Computer și de aproximativ 7% după excluderea execuțiilor în fundal. Numărul conversațiilor per utilizator cu un nivel mediu sau ridicat de nemulțumire a scăzut cu 7,6%, fără nicio modificare măsurabilă a costurilor sau a timpului de răspuns.
Perplexity a raportat un experiment offline de mai mică amploare, folosind SkillLearnBench: Computer a generat câte o abilitate pentru fiecare dintre cele nouă categorii de sarcini, iar rata de succes a sarcinilor în 16 instanțe pereche a crescut de la 43,8% fără abilități la 62,5% cu abilitățile generate. Evaluarea comparativă completă cuprinde 20 de sarcini din șase categorii din lumea reală și 100 de instanțe verificate, astfel că experimentul companiei a acoperit doar o parte din setul de evaluare.
Cum sunt revizuite abilitățile personale
Motorul comun de îmbunătățire are patru etape: colectarea dovezilor, analizarea lor, verificarea unei propuneri și activarea modificării. Mediul de execuție înregistrează încărcările abilităților, iar agentul consemnează diagnostice structurate atunci când detectează frustrarea utilizatorului, comportamente defectuoase sau ineficiențe evidente. Traiectoriile sesiunilor stocate păstrează mesajele, apelurile către instrumente, raționamentele și rezultatele, permițând agentului de îmbunătățire să examineze unde a eșuat o procedură, în loc să se bazeze pe un rezultat sau pe un scurt rezumat.
În rulările zilnice de îmbunătățire a abilităților personale, un agent de îmbunătățire care rulează în fundal primește sesiunile recente, date despre utilizarea abilităților și catalogul existent de abilități, dar nu are acces la internet sau la conectori. Acesta poate prelua, la nevoie, mai multe date din istoricul sesiunilor utilizatorului. Pentru crearea unei noi abilități sunt necesare două apariții independente ale aceluiași comportament reutilizabil, în timp ce o singură apariție susținută de dovezi poate justifica actualizarea unei abilități. Fiecare propunere se limitează la o singură modificare pentru fiecare abilitate, la fiecare rulare; verificările deterministe testează dacă propunerea este bine formată și aplicabilă, iar un evaluator LLM auditează propuneri selectate pentru a verifica dacă sunt susținute de dovezi și dacă includ instrucțiuni utile.
Activarea adaugă modificarea verificată în biblioteca utilizatorului, pentru sesiunile viitoare. Deoarece Computer încarcă un index al abilităților disponibile la începutul fiecărei sesiuni, o bibliotecă prea mare poate consuma din context și poate îngreuna găsirea abilităților relevante. Prin urmare, sistemul limitează la 10 per utilizator numărul abilităților create automat; când se atinge această limită, agentul trebuie să retragă o abilitate existentă și să justifice de ce înlocuitorul ei este mai util înainte de a adăuga o alta.
Abilitățile integrate necesită reluarea testelor și aprobarea unei persoane
Abilitățile integrate sunt disponibile tuturor utilizatorilor Perplexity, așa că actualizările lor urmează un proces mai strict. Procesul folosește dovezi anonimizate din sesiuni eligibile pentru antrenare, eliminând datele de autentificare, alte secrete, fișierele atașate și conținutul media. O operațiune săptămânală de revizuire caută eșecuri care se repetă în mai multe sesiuni, în loc să permită ca o singură sesiune nereușită să determine o modificare.
Un agent care generează scenarii transformă aceste eșecuri în teste de sine stătătoare, reconstruind în mod sintetic contextul inutil și înlocuind intrările care depind de conectori cu fișiere sintetice. Agentul de îmbunătățire primește descrieri ale cauzelor fundamentale și sesiuni reușite, anonimizate, dar nu și scenariile de eșec păstrate separat pentru evaluare. În reluarea testelor în perechi, fiecare scenariu de test trebuie să treacă folosind abilitatea revizuită, iar cel puțin unul trebuie să eșueze folosind abilitatea inițială; scenariile de control verifică dacă nu au regresat comportamente care funcționau anterior.
Un evaluator LLM notează răspunsurile și traiectoriile în raport cu grila de evaluare a fiecărui scenariu. Propunerile și rezultatele evaluărilor lor sunt apoi trimise ca solicitare internă de integrare a modificărilor, iar o modificare intră în vigoare numai după ce este aprobată de un inginer.
Perplexity intenționează să extindă procesul de îmbunătățire la abilitățile create de utilizatori, la cele partajate în cadrul proiectelor și la cele disponibile la nivel de organizație. Întrebarea deschisă privind produsul este cum va aplica combinația actuală de activare automată, testare prin reluare și aprobare umană, pe măsură ce procedurile trec din istoricul unei persoane în fluxuri de lucru comune ale echipei.












