Perplexity与NVIDIA推出JOLT后训练方法，训练算力需求降至GRPO的约六分之一

Perplexity 与 NVIDIA 研究团队联合推出新的语言模型后训练方法 JOLT。该方法让单一模型同时扮演教师和学生两个角色，其中教师可以获得特权信息，学生则不能。

JOLT 的关键改进在于，教师模型本身也会被训练，以保证其反馈保持可用性。

在 MATH 测试中减少 6.5 倍训练 token 处理量

据 MarkTechPost 介绍，在 MATH 基准测试中，JOLT 在达到与 GRPO 相同准确率的情况下，处理的训练 token 数量减少了 6.5 倍。

JOLT+ 在多项测试中取得更高成绩

在 JOLT 的基础上，研究团队还提出了 JOLT+。这是一个加入学生自身结果奖励的版本。报道显示，JOLT+ 在所有测试设置中都取得了最高平均分。

在 AppWorld 测试中，JOLT+ 的通过率为 72.09%，GRPO 为 62.20%，前者高出 9.9 个百分点。

已在多个模型上完成验证

该方法已经在 Qwen3 和 DeepSeek-V2-Lite 等多个模型上得到验证。