Perplexity ve NVIDIA araştırmacıları, dil modeli sonrası eğitim verimliliğini artırmak için tasarlanmış ortak öğretmen‑öğrenci pekiştirmeli öğrenme yöntemi JOLT'u tanıttı. Bu teknik, aynı anda hem öğretmen hem de öğrenci olarak çalışan tek bir ortak model kullanarak eğitim sırasında ayrı bir öğretmen modeline ihtiyaç duyulmasını ortadan kaldırıyor.
Bu yapılandırmada, öğretmen ayrıcalıklı bilgilere erişirken öğrenci sadece görevi görür ve her iki rol de aynı anda eğitilir. Qwen3 ve DeepSeek‑V2‑Lite gibi modellerle GSM8K, MATH, LiveCodeBench v6, AppWorld ve Terminal‑Bench 2.1 gibi çeşitli benchmarklarda test edilen geliştirilmiş JOLT+ yöntemi, her ortamda en yüksek ortalama skoru elde etti. MATH benchmark'ında JOLT, GRPO doğruluğunu eşitleyerek işlenen eğitim token sayısını 6,5 kat daha az kullandı.
Bu eğitim yaklaşımı, pekiştirmeli öğrenmedeki seyrek sonuç ödülleri ve hesaplama darboğazlarını ele alması nedeniyle önemlidir; böylece sonrası eğitim optimizasyonu yapan ekipler için önemli verimlilik artışı sağlar.