Perplexity
2026-10-22 06:50:24Perplexity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 研究团队联合发布语言模型后训练方法 JOLT,让单一模型同时承担教师与学生角色,其中教师可获得特权信息、学生则不能。与 GRPO 相比,JOLT 在 MATH 基准上以相同准确率将训练 token 处理量减少 6.5 倍。加入学生自身结果奖励后的 JOLT+ 在各项测试中拿到最高平均分,并在 AppWorld 中取得 72.09% 通过率,高于 GRPO 的 62.20%。
370



