@perplexity_ai
Perplexity представила JOLT — метод постобучения, в котором одна модель выступает одновременно учителем и учеником, а учитель обучается давать полезную ученику обратную связь. На MATH метод достиг точности GRPO при использовании в 6,5 раза меньшего числа обучающих токенов. JOLT+ превзошёл GRPO на всех пяти бенчмарках по математике, программированию, работе с инструментами и терминалом, включая преимущество в 9,9 балла на AppWorld.