# 교사 모델 없이 공동 진화한 Gemma-4 12B, 소매·항공 업무 성능 향상

> Gemma-4 12B 에이전트가 자체 로그로 정책을 학습해 교사 모델 없이 벤치마크 통과 점수를 최대 22점 높였다.

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

Yujia Zhang이 이끄는 연구진은 고객 서비스 봇에 쓰이는 120억 매개변수 Gemma-4 LLM의 새로운 학습 루프를 설명한 논문을 2026년 11월 13일 발표했다. 모델은 실패한 대화 기록을 바탕으로 자체 정책 규칙을 작성하고, LoRA 어댑터를 학습하기 전에 이를 검증한다. 두 차례 학습 후 에이전트의 소매·항공 벤치마크 통과 점수는 12.5~19.5점 상승해, 정책을 하드코딩한 기준 모델보다 높은 점수를 기록했다. 이 방법은 선도적인 프런티어 모델과의 성능 격차를 좁힌다.

## 팩트

- 논문 발표: 2026년 11월 13일 금요일
- 두 차례 학습 후 통과 점수 향상: 소매 12.5점, 항공 19.5점

## 왜 중요한가

기업은 비용이 많이 드는 교사 모델 없이도 정책 준수 능력을 스스로 개선하는 소형 오픈 LLM을 도입할 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-11-13