Perplexity发布JOLT后训练方法

Perplexity 发布后训练方法 JOLT，让同一个模型同时充当教师和学生，其中教师经过训练，能给出学生可用的反馈。 Perplexity 称，在 MATH 基准上，JOLT 用比 GRPO 少 6.5 倍的训练 token 达到与 GRPO 相当的准确率。这一对比结果来自 Perplexity 自己的说法，尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。