热点事件历史事件

Perplexity发布JOLT后训练方法

3 篇报道2 个报道来源5 天前更新

先了解这件事

AI 综述

2026年10月22日02:44，Perplexity在X发文介绍新研究JOLT：同一个模型同时充当教师和学生，教师经过训练后提供学生可利用的反馈。报道称，在MATH基准上，JOLT以少6.5倍的训练token达到与GRPO相同的准确率；JOLT+在数学、编程、工具使用和终端任务等五项基准测试中均胜过GRPO，其中AppWorld领先9.9分。05:11，Perplexity首席执行官Aravind Srinivas转发该博客文章并称可在博客中阅读更多。现有报道未提供文章正文、标题或具体内容。

AI 根据报道生成 · 2 小时前更新

最新进展10月22日 05:11

Perplexity CEO转发博客，介绍JOLT及JOLT+基准表现。

事件进展

2 个进展

10月22日 05:11 · 1 篇报道
Perplexity CEO推荐阅读公司博客文章
Aravind Srinivas：Perplexity 博客文章
10月22日 02:44 · 2 篇报道
JOLT+在五项基准测试中胜过GRPO
Perplexity：JOLT 后训练方法以 6.5x 更少 token 匹配 GRPO

报道时间线

沿着报道，了解事件的不同侧面。

10月22日

05:11
X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)
Perplexity 博客文章
在我们的博客中阅读更多： perplexity.ai/hub/blog/a-goo…
02:44
X：Perplexity (@perplexity_ai)
JOLT+ 五项基准胜过 GRPO
在数学、编程、工具使用和终端任务方面，JOLT+ 在全部五项基准测试中胜过 GRPO，其中在 AppWorld 上领先 9.9 分。 perplexity.ai/hub/blog/a-goo…
02:44
X：Perplexity (@perplexity_ai)
JOLT 后训练方法以 6.5x 更少 token 匹配 GRPO
新研究：我们开发了 JOLT，一种后训练方法，其中同一个模型同时充当教师和学生，教师经过训练，能够给出学生可以利用的反馈。在 MATH 上，它以少 6.5 倍的训练 token 达到了与 GRPO 相同的准确率。 perplexity.ai/hub/blog/a-goo…