Lirui Luo et ses coauteurs ont publié un article le 19 novembre 2026 présentant la distillation communicative on-policy (COPD). Cette technique permet à un modèle apprenant de décider quand interroger un modèle enseignant opaque en langage naturel libre, puis de s’entraîner à partir de ces échanges sans solliciter de nouveau le modèle enseignant. Sur le benchmark CAMG-II, COPD a obtenu un gain 2,46 fois supérieur à celui de la meilleure méthode existante de distillation on-policy pour modèles opaques. Les auteurs font également état de progrès sur Terminal-Bench 2.1 et SWE-Bench Pro V2.
Pourquoi c'est important
Si cette méthode se révèle efficace en pratique, les développeurs pourraient améliorer des agents IA capables d’effectuer des tâches complexes sans avoir besoin d’un accès complet à de grands modèles propriétaires.