Perplexity 与英伟达提出 JOLT：让同一个模型既当老师又当学生

Perplexity 与 NVIDIA 研究人员推出后训练方法 JOLT，让同一个模型同时扮演教师和学生角色进行强化学习。在 MATH 数学基准上，JOLT 达到与 GRPO 相当的准确率，而处理过的训练 token 数量减少 6.5 倍。