RecodeX 重构消息，Perplexity与英伟达联合提出新的自蒸馏训练方法JOLT，将“教师”角色也纳入训练：教师利用额外信息独立解题并按最终结果获得奖励，同时用KL散度约束教师与学生的输出差异，避免指导偏离学生当前能力；学生仍沿自身解题过程逐Token接受教师反馈，两种角色共享参数。

在Qwen3-0.6B的MATH测试中，JOLT准确率达72.14%，高于此前自蒸馏方法OPSD的61.20%和强化学习GRPO的68.36%。达到63.44%准确率时，GRPO实测消耗约840万训练Token，JOLT按训练曲线估算仅需130万，相差约6.5倍。

但在AppWorld智能体任务上，未给学生加入结果奖励的JOLT仅51.92%，低于GRPO的62.20%；加入学生最终任务奖励后，JOLT+提升至72.09%。