联合NVIDIAAI推出JOLT后训练研究

2026-10-22 05:041 篇报道1 个发布方

发生了什么

据X · @AravSrinivas报道，联合NVIDIAAI推出JOLT后训练研究，结合自蒸馏与强化学习提升模型在数学代码等任务表现。JOLT中，模型同时扮演教师和学生角色，教师通过奖励自我尝试并惩罚偏离学生模型的漂移。JOLT+通过提供学生模型结果奖励补充JOLT，在MATH基准上，JOLT比GRPO少用6.5倍训练token，JOLT+在数学、编码、终端任务和工具使用基准上胜过GRPO。

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

X · @AravSrinivas2026-10-22 05:04来源报道
Sharing new post-training research on self-distillation + RL (JOLT), done together with @NVIDIAAI. In self-distillation, the same model perf

来源关系与证据边界

按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。

来源报道1 个发布入口

发生了什么

Sharing new post-training research on self-distillation + RL (JOLT), done together with @NVIDIAAI. In self-distillation, the same model perf