Perplexity与NVIDIA推出师生联合强化学习方法JOLT

Perplexity 与 NVIDIA 研究团队推出 JOLT（Joint On-policy Learning and Teaching），一种语言模型后训练强化学习方法，让单个模型同时扮演教师与学生两种角色，教师也同步训练以保持反馈可用。 目前代码尚未发布，训练所用硬件未披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。