# Perplexity et NVIDIA dévoilent la méthode d’apprentissage JOLT

> Cette nouvelle technique de post-entraînement permet à un modèle de s’enseigner à lui-même et réduit de 6,5 fois le nombre de tokens utilisés sur le benchmark MATH.

Oossa · 2026-10-22 · https://oossa.com/fr/perplexity-and-nvidia-unveil-jolt-learning-method

Des chercheurs de Perplexity et de NVIDIA ont annoncé JOLT, une méthode d’apprentissage par renforcement qui associe un enseignant et un élève. Elle entraîne un seul modèle à jouer les deux rôles après la phase principale d’entraînement. Sur le benchmark MATH, JOLT a atteint la même précision que la méthode GRPO en utilisant 6,5 fois moins de tokens d’entraînement. Ce résultat montre qu’il est possible d’améliorer l’efficacité sans modifier l’architecture du modèle.

## Les faits

- JOLT a égalé la précision de GRPO sur MATH en traitant 6,5 fois moins de tokens.
- L’annonce a été publiée dans un article de MarkTechPost le 22 octobre 2026.

## Pourquoi c'est important

Les chercheurs peuvent affiner les modèles à moindre coût, ce qui rend le raisonnement mathématique de haut niveau plus accessible aux laboratoires disposant de capacités de calcul limitées.

## Sources et références

1. [Perplexity and NVIDIA Researchers Introduce JOLT: a Joint Teacher-Student Reinforcement Learning Method](https://www.marktechpost.com/2026/10/21/perplexity-jolt-joint-on-policy-learning-teaching/) – MarkTechPost, 2026-10-22

Dernière mise à jour: 2026-10-22