Perplexity 开发了 JOLT，这是一种让同一模型兼任教师和学生的后训练方法

发生了什么

最新研究：我们开发了 JOLT，这是一种后训练方法，同一个模型既充当教师，也充当学生；教师经过训练，能够提供学生可以利用的反馈。 在 MATH 上，它以少 6.5 倍的训练 token 数达到了 GRPO 的准确率。

这件事到目前为止

Perplexity开发了JOLT，这是一种用同一模型同时担任教师和学生的后训练方法。该公司称，在MATH基准测试中，JOLT以少6.5倍的训练令牌数达到了与GRPO相同的准确率。在JOLT中，教师经过训练，能够提供学生可以利用的反馈。报告中的效率结果仅适用于MATH基准测试。

继续阅读

正在热议

1. 1Mistral 与 NVIDIA 宣布开展工业工程 AI 合作并推出开放基准
2. 2Anthropic 面向美国 Pro 和 Max 用户开放 Claude Duet 研究预览，采用候补名单制
3. 3OpenAI 模型和 Codex 工作流将登陆 Google Cloud，关于开放时间的报道说法不一
4. 4Mistral 发布 Voxtral 3 语音模型、语音智能体 API 和基于 LiveKit 的 SDK