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.