# Perplexity och NVIDIA presenterar JOLT-metoden

> Den nya tekniken för efterträning låter en modell lära sig själv och minskar tokenåtgången med 6,5 gånger på MATH-benchmarken.

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

Forskare från Perplexity och NVIDIA presenterade JOLT, en metod för förstärkningsinlärning där läraren och eleven samarbetar. Efter huvudträningsfasen tränas en och samma modell att fungera både som lärare och elev. På MATH-benchmarken nådde JOLT samma träffsäkerhet som GRPO-metoden, men använde 6,5 gånger färre träningstoken. Resultatet visar hur effektiviteten kan förbättras utan att ändra modellarkitekturen.

## Fakta

- JOLT nådde samma träffsäkerhet som GRPO på MATH med 6,5 gånger färre behandlade token.
- Nyheten publicerades i en artikel i MarkTechPost den 22 okt 2026.

## Varför det spelar roll

Forskare kan finjustera modeller till lägre kostnad, vilket gör avancerad matematisk problemlösning mer tillgänglig för forskningslabb med begränsade beräkningsresurser.

## Källor och referenser

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

Senast uppdaterad: 2026-10-22