先了解这件事
Perplexity 公布后训练方法 JOLT,让同一个模型同时充当教师和学生,教师也参与训练,使反馈始终可用。Perplexity 的发布称,在 MATH 上,JOLT 以 6.5 倍更少的训练 token 达到与 GRPO 相当的准确率。后续 MarkTechPost 报道称,该方法由 Perplexity 与 NVIDIA 提出,名为 JOLT(Joint On-policy Learning and Teaching);JOLT+ 在 AppWorld 上取得 72.09% 的 state-test 通过率,比 GRPO 的 62.20% 高 9.9 个百分点。报道称测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2-Lite,代码尚未发布。
AI 根据公开报道生成
最新进展 · 正式报道
Perplexity 与 NVIDIA 提出 JOLT：联合师生强化学习后训练方法事件进展
1 个已确认进展
- 来源：MarkTechPost
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月22日
MarkTechPost
Perplexity 与 NVIDIA 提出 JOLT：联合师生强化学习后训练方法
Perplexity 与 NVIDIA 提出 JOLT（Joint On-policy Learning and Teaching），用同一个模型同时扮演教师和学生，且教师也参与训练，使反馈始终可用。在 MATH 上，JOLT 以 6.5 倍更少的已处理训练 token 达到 GRPO 的准确率；JOLT+ 在 AppWorld 上取得 72.09% 的 state-test 通过率，比 GRPO 的 62.20% 高 9.9 个百分点。测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2-Lite，代码尚未发布。
Perplexity
Perplexity 发布 JOLT 后训练方法
Perplexity 公布新研究 JOLT：一种后训练方法，让同一个模型同时充当教师和学生，教师被训练为给出学生可用的反馈。在 MATH 上，它以 6.5 倍更少的训练 token 达到与 GRPO 相当的准确率。
本事件热度走势
- 当前
- 7
- 区间峰值
- 16 10月22日 15:00
- 近 24 小时变化
- -50%
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。