Pesquisadores da Perplexity e da NVIDIA anunciaram o JOLT, um método de aprendizado por reforço conjunto entre professor e aluno. A abordagem treina um único modelo para atuar como professor e aluno após a fase principal de treinamento. No benchmark MATH, o JOLT alcançou a mesma precisão que o método GRPO usando 6,5 vezes menos tokens de treinamento. O resultado mostra uma forma de melhorar a eficiência sem alterar a arquitetura do modelo.
Por que importa
Pesquisadores podem ajustar modelos com menos custos, tornando o raciocínio matemático de alto desempenho mais acessível a laboratórios com recursos computacionais limitados.
