教師なしの共進化で12B LLMの小売・航空業務性能が向上

Yujia Zhang氏らの研究チームは2026年11月13日、カスタマーサービスボット向けの120億パラメーターのGemma-4 LLMを対象とした新たな学習ループについて論文を発表した。このモデルは、対応に失敗した会話をもとに独自のポリシールールを書き出し、LoRAアダプターの学習前にその内容を検証する。2回の学習を経て、小売と航空のベンチマークで合格スコアが12.5〜19.5ポイント向上し、ポリシーをあらかじめハードコードした比較モデルを上回った。この手法により、最先端のフロンティアモデルとの性能差が縮まった。