Perplexity 与 NVIDIA 研究人员提出 JOLT：联合教师-学生强化学习方法

Perplexity 与 NVIDIA 研究人员提出 JOLT，让同一模型同时担任教师和学生，并通过 JOLT+ 加入学生结果奖励。JOLT+ 在 5 个设置中取得最高平均分，在 MATH 上以 6.5x 更少处理 token 达到与 GRPO 相当的准确率，AppWorld 得分为 72.09%，比 GRPO 高 9.9 个百分点；代码尚未发布。