Perplexity 提出 JOLT 聯合訓練法，降低推理模型後訓練成本
Perplexity 10 月 21 日公布 JOLT 研究，讓同一模型同時擔任教師與學生，依學生能力調整回饋。JOLT+ 在數學、程式與代理基準優於 GRPO；在特定 MATH 測試中達相同準確率所需 Token 顯著減少。
標籤
GRPO
與「GRPO」相關的科技新聞。
與「GRPO」相關的科技新聞。
Perplexity 10 月 21 日公布 JOLT 研究，讓同一模型同時擔任教師與學生，依學生能力調整回饋。JOLT+ 在數學、程式與代理基準優於 GRPO；在特定 MATH 測試中達相同準確率所需 Token 顯著減少。