搜索“Perplexity”

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 后训练方法，让同一个模型同时扮演教师和学生，且教师也参与训练。在 MATH 上，JOLT 以 6.5 倍更少的训练 token 达到 GRPO 的准确率；JOLT+ 在 AppWorld 上 pass 率达 72.09%，比 GRPO 高 9.9 个百分点。