主要来源marktechpost
查看原文事件专题 ·官方一手
Perplexity 与 NVIDIA 发布 JOLT：师生一体的后训练强化学习方法
Perplexity 和 NVIDIA 提出 JOLT，一种后训练阶段的强化学习方法，让同一个模型同时充当教师和学生进行联合训练。在 MATH 基准上，JOLT 达到了与 GRPO 相当的准确率，而处理训练 token 数量只有 GRPO 的约 1/6.5。该方法针对的是传统 RL 后训练中师生模型分离带来的训练开销问题。
当前结论
Perplexity 和 NVIDIA 搞了个叫 JOLT 的训练方法，一个模型当老师又当学生，在 MATH 上准度追平 GRPO，训练 token 少了 6.5 倍。
11 个信源47° AI 热度最后更新 2026/10/22 04:56:31
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。