# 자연어로 블랙박스 교사에게 배우는 AI 에이전트 기법 등장

> 연구진이 소형 모델이 대형 블랙박스 모델에 자유롭게 질문하고, 장기 작업 성능을 높이는 ‘Communicative On-Policy Distillation’을 제안했다.

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

Lirui Luo와 공동 저자들은 2026년 11월 19일 ‘Communicative On-Policy Distillation(COPD)’을 소개하는 논문을 공개했다. 이 기법을 쓰면 학생 모델이 자유 형식의 자연어로 블랙박스 교사 모델에 언제 질문할지 결정하고, 이후 교사의 추가 도움 없이 해당 대화를 활용해 스스로 학습한다. CAMG-II 벤치마크에서 COPD는 기존 블랙박스 온폴리시 증류 기법 중 가장 성능이 좋았던 방법보다 2.46배 큰 성능 향상을 기록했다. 저자들은 Terminal-Bench 2.1과 SWE-Bench Pro V2에서도 성능이 개선됐다고 보고했다.

## 팩트

- 논문은 2026년 11월 19일 공개됐다
- COPD는 CAMG-II에서 가장 강력한 블랙박스 기준 기법보다 성능을 2.46배 높였다

## 왜 중요한가

이 기법이 실제로 효과를 낸다면, 개발자들은 독점 대형 모델에 완전히 접근하지 않고도 복잡한 작업을 수행하는 AI 에이전트의 성능을 높일 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-11-19
