Perplexity और NVIDIA के शोधकर्ताओं ने JOLT पेश किया है—यह शिक्षक और विद्यार्थी की संयुक्त भूमिका वाला रीइन्फोर्समेंट लर्निंग मेथड है। इसमें मुख्य ट्रेनिंग चरण के बाद एक ही मॉडल को शिक्षक और विद्यार्थी, दोनों की तरह काम करने के लिए प्रशिक्षित किया जाता है। MATH बेंचमार्क पर JOLT ने GRPO मेथड जितनी ही सटीकता हासिल की, जबकि ट्रेनिंग में 6.5 गुना कम टोकन इस्तेमाल किए। यह नतीजा दिखाता है कि मॉडल का आर्किटेक्चर बदले बिना उसकी दक्षता बेहतर की जा सकती है।
यह क्यों मायने रखता है
इससे शोधकर्ता कम खर्च में मॉडल को फाइन-ट्यून कर सकते हैं और सीमित कंप्यूट बजट वाली लैब के लिए उच्च प्रदर्शन वाली गणितीय तर्क क्षमता हासिल करना आसान हो सकता है।
