Perplexity与NVIDIA推出JOLT强化学习方法

发生了什么

Perplexity与NVIDIA联合推出JOLT强化学习方法，该方法通过同模型双角色训练实现6.5倍训练计算节省。JOLT（联合策略学习与教学）训练单个模型在两种角色中，教师角色获取特权信息，学生角色不获取。教师角色同时被训练，因此其反馈保持可用。在MATH基准测试中，JOLT与GRPO的精度相当，但处理了6.5倍的训练标记。JOLT+在多个基准测试中得分最高，例如AppWorld状态测试通过率达到72.09%，比GRPO高9.9个百分点。