# 自然言語でブラックボックスの教師から学ぶAIエージェントの新手法

> 研究者らは、より小型のモデルが大規模なブラックボックスモデルに自由形式の質問をして、長時間に及ぶタスクの性能を高める「Communicative On-Policy Distillation」を提案した。

Oossa · 2026-11-19 · https://oossa.com/ja/new-method-lets-ai-agents-learn-from-black-box-teachers-via-natural-language

Lirui Luo氏らは2026年11月19日、Communicative On-Policy Distillation（COPD）についての論文を発表した。この手法では、学習する側のモデルが自由形式の自然言語を使って、ブラックボックスの教師モデルにいつ質問するかを決める。そのやりとりを利用して、以降は教師モデルの助けを借りずに自ら学習する。CAMG-IIベンチマークでは、COPDは既存のブラックボックス型オンポリシー蒸留手法のうち最も優れたものと比べ、2.46 ×の性能向上を達成した。著者らは、Terminal-Bench 2.1とSWE-Bench Pro V2でも性能向上を報告している。

## 事実

- 論文は2026年11月19日に発表
- COPDはCAMG-IIで、最も強力なブラックボックス型ベースラインを2.46 ×上回る性能向上を達成

## なぜ重要か

この手法が実際に機能すれば、開発者は大規模な独自モデルへの全面的なアクセスがなくても、複雑なタスクに取り組むAIエージェントの性能を高められる可能性がある。

## 出典と参考資料

1. [Communicative On-Policy Distillation: Distilling Black-Box Teacher Capabilities through Communication for Long-Horizon Tasks](https://arxiv.org/abs/2611.23673) – arXiv cs.LG, 2026-11-19

最終更新: 2026-11-19
