待验证50% 置信事实精确时间
Perplexity 与 NVIDIA 的研究团队联合提出了一种名为 JOLT 的后训练方法，让同一个模型同时扮演教师和学生的角色，用联合强化学习方式训练。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/22
首次发现
有效期至：2027/1/20
来源
涉及实体
相关事实
待验证Perplexity 近年来在自研推理模型上投入明显，NVIDIA 在训练基础设施与模型研究上持续布局。69% 相似待验证OmniVerifier-C1 采用解耦式强化学习训练策略，将优化目标拆分为子问题级二值判断和全局对齐评分两部分。63% 相似待验证在同一基座上通过后训练实现编程能力大幅提升，为算力受限的团队提供了新的模型迭代思路63% 相似待验证Motif在强化学习阶段沿用Nemotron Ultra技术报告的通用RL策略：训练多个教师模型，再用MOPD（多目标策略蒸馏）蒸馏所有教师62% 相似待验证研究团队引入广义教师强制（GTF）来稳定DEER，使其迭代过程重新可控、可收敛62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084756API
curl https://kongchang.com/api/v1/knowledge/claims/1084756MCP
get_claim(id=1084756)