news

Perplexity与NVIDIA研究人员推出JOLT：一种联合师生强化学习方法

Perplexity 和 NVIDIA 推出了 JOLT，一种将单个模型同时作为教师和学生进行训练的后训练方法。在 MATH 上，它以少 6.5 倍的处理训练 token 达到了与 GRPO 相同的准确率。文章《Perplexity 和 NVIDIA 研究人员推出 JOLT：一种联合师生强化学习方法》首次发表于 MarkTechPost。