Perplexity 與 NVIDIA 推出了 JOLT，這是一種後訓練方法，可將單一模型同時訓練為教師與學生。在 MATH 上，它以少 6.5 倍的已處理訓練 token 達到與 GRPO 相同的準確率。文章《Perplexity and NVIDIA Researchers Introduce JOLT: a Joint Teacher-Student Reinforcement Learning Method》最初刊登於 MarkTechPost。
news
Perplexity 與 NVIDIA 研究人員推出 JOLT：一種聯合師生強化學習方法
Perplexity 與 NVIDIA 推出了 JOLT，這是一種後訓練方法，可將單一模型同時訓練為教師與學生。在 MATH 上，它以少 6.5 倍的已處理訓練 token 達到與 GRPO 相同的準確率。文章《Perplexity and NVIDIA Researchers Introduce JOLT: a Joint Teacher-Student Reinforcement Learning Method》最初發表於 MarkTechPost。