# Un LLM de 12B mejora en tareas de comercio y aerolíneas sin un modelo profesor

> Un agente Gemma-4 12B aprende políticas a partir de sus propios registros y aumenta hasta 22 puntos la tasa de aciertos en pruebas, sin recurrir a un modelo profesor.

Oossa · 2026-11-13 · https://oossa.com/es/teacher-free-co-evolution-improves-a-12b-llm-for-retail-and-airline-tasks

Un equipo de investigadores encabezado por Yujia Zhang publicó el 13 de noviembre de 2026 un artículo que describe un nuevo ciclo de entrenamiento para un LLM Gemma-4 de 12.000 millones de parámetros, diseñado para bots de atención al cliente. El modelo redacta sus propias reglas de políticas a partir de conversaciones fallidas y las valida antes de entrenar un adaptador LoRA. Tras dos rondas, el agente aumentó entre 12,5 y 19,5 puntos sus resultados en pruebas de comercio minorista y aerolíneas, y superó a una versión de referencia que incorpora las políticas de forma fija. El método reduce la brecha de rendimiento con los principales modelos de frontera.

## Los hechos

- Artículo publicado el viernes 13 de noviembre de 2026
- Mejora tras dos rondas: +12,5 puntos en comercio minorista y +19,5 en aerolíneas

## Por qué importa

Las empresas pueden implementar LLM abiertos y más pequeños que mejoran por sí solos el cumplimiento de políticas, sin recurrir a costosos modelos profesor.

## Fuentes y referencias

1. [Knowledge in the Harness, Reliability in the Weights: Teacher-Free Co-Evolution of an LLM Agent](https://arxiv.org/abs/2611.15268) – arXiv, 2026-11-13

Última actualización: 2026-11-13