Perplexity 推出 JOLT 后训练方法

导读

新研究：我们开发了 JOLT，一种后训练方法，让一个模型同时充当教师和学生，其中教师经过训练，能够给出学生可用的反馈。 在 MATH 上，它以少 6.5 倍的训练 token 达到了与 GRPO 相当的准确率。 https://www.perplexity.ai/hub/blog/a-good-teacher-meets-the-student-where-they-are