Perplexity 与 NVIDIA 联合发布 JOLT 模型后训练方法，可节省 6.5 倍训练算力

Techub News 消息，Perplexity 与 NVIDIA 研究团队联合推出 JOLT，一种新的语言模型后训练方法。该方法让单一模型同时扮演教师和学生两个角色，教师可获得特权信息，学生则不能。关键改进在于教师模型也会被训练，使其反馈保持可用性。在 MATH 基准测试中，JOLT 在达到与 GRPO 相同准确率的情况下，处理训练 token 数量减少了 6.5 倍。 JOLT+（加入学生自身结果奖励的版本）在所有测试设置中均取得最高平均分。在 AppWorld 测试中，JOLT+ 的通过率达到 72.09%，相比 GRPO 的 62.20% 高出 9.9 个百分点。该方法已在 Qwen3 和 DeepSeek-V2-Lite 等多个模型上验证。（MarkTechPost）