Perplexity 推出了 JOLT+,一种新颖的训练后方法,其性能显著优于 GRPO 等现有的强化学习技术。JOLT+ 采用一种自蒸馏方法,其中一个模型同时充当教师和学生,教师向学生提供反馈。该方法在包括数学和编码任务在内的各种基准测试中都表现出卓越的性能,与 GRPO 相比,在训练 token 数量大大减少的情况下实现了更高的准确性。 AI
影响 这种新的训练方法可能导致更高效的语言模型微调,降低计算成本并提高复杂任务的性能。
排序理由 该集群描述了一种新的研究方法及其基准性能,而非产品发布或前沿模型。
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →