I ricercatori di Perplexity e NVIDIA hanno presentato JOLT, un metodo di apprendimento per rinforzo che combina insegnante e allievo. Dopo la fase principale di addestramento, la tecnica fa sì che un unico modello svolga entrambi i ruoli. Nel benchmark MATH, JOLT ha raggiunto la stessa accuratezza del metodo GRPO usando 6,5 volte meno token di addestramento. Il risultato mostra come migliorare l’efficienza senza modificare l’architettura del modello.
Perché conta
I ricercatori possono perfezionare i modelli a costi inferiori, rendendo le capacità di ragionamento matematico avanzate più accessibili ai laboratori con risorse di calcolo limitate.
