# PerplexityとNVIDIA、JOLT学習手法を発表

> 新たな事後学習技術では、モデルが自ら学習する。MATHベンチマークでのトークン使用量を6.5分の1に削減した。

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

PerplexityとNVIDIAの研究者は、教師と生徒が共同で学ぶ強化学習手法「JOLT」を発表した。この手法では、主要な学習段階を終えた後、単一のモデルが教師と生徒の両方として機能する。MATHベンチマークでは、JOLTはGRPOと同じ精度を、学習トークン数を6.5分の1に抑えて達成した。この結果は、モデルのアーキテクチャを変えずに効率を高める方法を示している。

## 事実

- JOLTはMATHで、処理トークン数を6.5分の1に抑えながらGRPOと同等の精度を達成した。
- この発表は2026年10月22日、MarkTechPostの記事で取り上げられた。

## なぜ重要か

研究者はより低コストでモデルをファインチューニングできるようになり、計算資源の限られた研究機関でも、高性能な数学推論モデルを開発しやすくなる。

## 出典と参考資料

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

最終更新: 2026-10-22