← 返回 AIRadar 首页

Perplexity 推出后训练新方法 JOLT：训练 Token 骤降 6.5 倍且性能打平 GRPO

Perplexity 研发出新型后训练方法 JOLT，通过单模型师生自迭代反馈机制，在 MATH 基准上以 6.5 倍更少的 Token 消耗实现媲美 GRPO 的准确率。