# 教師なしの共進化で12B LLMの小売・航空業務性能が向上

> Gemma-4 12Bのエージェントは自らのログからポリシーを学習し、教師モデルなしでベンチマークの合格率を最大22ポイント高めた。

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

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。

## 事実

- 論文の発表日：2026年11月13日（金）
- 2回の学習後の向上幅：小売で12.5ポイント、航空で19.5ポイント（合格スコア）

## なぜ重要か

企業は、高価な教師モデルを使わずにポリシー順守を自律的に改善する、小型のオープンLLMを導入できる。

## 出典と参考資料

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

最終更新: 2026-11-13