MarkTechPost· Asif Razzaq·· 24 天前AI 评分41
Perplexity 与 NVIDIA 提出 JOLT：联合师生强化学习后训练方法
Perplexity and NVIDIA Researchers Introduce JOLT: a Joint Teacher-Student Reinforcement Learning Method
AI 导读
Perplexity 与 NVIDIA 提出后训练方法 JOLT，让同一个模型同时扮演教师和学生，且教师也参与训练。在 MATH 上达到与 GRPO 相同准确率时，JOLT 处理的训练 token 少 6.5 倍；JOLT+ 在 AppWorld 上通过率达 72.09%，比 GRPO 高 9.9 个百分点。
来源：MarkTechPost · marktechpost.com