# Un LLM da 12B migliora senza insegnante per retail e compagnie aeree

> Un agente Gemma-4 12B apprende regole dai propri log e, senza un modello insegnante, aumenta fino a 22 punti i tassi di superamento dei benchmark.

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

Un gruppo di ricercatori guidato da Yujia Zhang ha pubblicato il 13 novembre 2026 uno studio che descrive un nuovo ciclo di addestramento per un LLM Gemma-4 da 12 miliardi di parametri, destinato ai chatbot per il servizio clienti. Il modello ricava le proprie regole operative dalle conversazioni non riuscite e le convalida prima di addestrare un adattatore LoRA. Dopo due cicli, l’agente ha migliorato i punteggi di superamento di 12,5-19,5 punti nei benchmark per il retail e le compagnie aeree, superando una versione di riferimento con regole codificate manualmente. Il metodo riduce il divario di prestazioni rispetto ai principali modelli di frontiera.

## I fatti

- Studio pubblicato venerdì 13 novembre 2026
- Miglioramento dopo due cicli: +12,5 punti nel retail e +19,5 punti nel settore aereo

## Perché conta

Le aziende possono adottare LLM open più piccoli, capaci di migliorare da soli il rispetto delle regole senza ricorrere a costosi modelli insegnanti.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-11-13