# Perplexity e NVIDIA presentano il metodo di apprendimento JOLT

> La nuova tecnica di post-training permette a un modello di insegnare a se stesso e riduce di 6,5 volte i token usati nel benchmark MATH.

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

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.

## I fatti

- JOLT ha eguagliato l’accuratezza di GRPO su MATH elaborando 6,5 volte meno token.
- La notizia è stata pubblicata da MarkTechPost il 22 ottobre 2026.

## 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.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-22