Oossa

Un método permite a agentes de IA aprender de modelos opacos

Investigadores proponen la destilación comunicativa on-policy (COPD), que permite a modelos pequeños hacer preguntas abiertas a modelos opacos más grandes y mejorar su rendimiento en tareas prolongadas.

BrevePor Publicado por Oossa: 1 min de lectura

Lirui Luo y sus coautores publicaron el 19 de nov de 2026 un artículo sobre la destilación comunicativa on-policy (COPD). La técnica permite que un modelo estudiante decida cuándo consultar a un modelo docente opaco mediante lenguaje natural libre, y luego use esos intercambios para entrenarse sin más ayuda del docente. En el benchmark CAMG‑II, COPD logró una mejora 2.46 × mayor que el mejor método existente de destilación on-policy con modelos opacos. Los autores también informan de avances en Terminal‑Bench 2.1 y SWE‑Bench Pro V2.

Por qué importa

Si el método funciona en la práctica, los desarrolladores podrían mejorar agentes de IA para tareas complejas sin necesitar acceso completo a grandes modelos propietarios.

¿Te resultó útil este artículo?
Compartir

Sigue leyendo

Oossa · Boletín

La semana en IA, explicada

Cada lunes: las noticias que vale la pena conocer, en lenguaje sencillo. Gratis, sin spam.