Perplexity AI

Perplexity AI 以 AI 搜索问答产品为人熟知，同时设有官方博客与研究栏目，定期发布模型训练、推理能力与智能体方向的技术进展。这篇页面属于其研究博客，由 Perplexity Research 与 NVIDIA 合作撰写，讨论一种名为 JOLT 的自蒸馏训练方法。

文章的核心问题是强化学习后训练中奖励信号稀疏，难以区分中间动作的贡献。作者提出让教师模型与学生模型联合训练，在学生的尝试轨迹上提供更密集的指导，从而改善复杂推理和长程智能体任务的学习效率。文中对在线策略蒸馏等既有方案做了对比分析。

该内容主要面向大模型训练、强化学习与智能体系统方向的研究人员和工程师，也适合希望了解 Perplexity 技术路线的高阶读者。阅读前需要具备强化学习与语言模型后训练的基础知识。

使用建议是先了解 OPD 等背景概念，再结合文中方法设计理解 JOLT 的改进点；若关注产品功能，可转向 Perplexity 主站的搜索与问答服务。总体而言，这是一篇面向专业读者的研究型文章。