幣界網消息，Perplexity在AI的自蒸馏訓練中提出新方法，不僅訓練學生，還要訓練老師。在此過程中，同一個模型會扮演學生和老師兩種角色，學生獨立解題，老師則能提前看到參考答案並提供逐token指導。兩種角色共享參數，無需額外運行更大的教師模型，獲得更細致的訓練信號。UCLA等團隊提出的SDPG方法保留最終結果獎勵，只讓表現高於同組平均水平的解題過程接受蒸馏指導，訓練後期逐步降低蒸馏權重，避免過度模仿妨礙模型探索。Perplexity與NVIDIA新提出的JOLT方法結合，老師利用額外信息獨立解題並獲得獎勵，同時用KL散度約束老師與學生的輸出差異。JOLT在Qwen3-0.6b的數學測試中準確率達到72.14%，高於此前自蒸馏方法的61.20%。