Oossa

AI-agent leert van black-boxmodel via natuurlijke taal

Onderzoekers stellen Communicative On-Policy Distillation voor. Daarmee kunnen kleinere modellen open vragen stellen aan grotere black-boxmodellen en beter presteren bij lange taken.

Kort berichtDoor Gepubliceerd door Oossa: 1 min lezen

Lirui Luo en mede-auteurs publiceerden op 19 nov 2026 een paper over Communicative On-Policy Distillation (COPD). Met deze techniek bepaalt een studentmodel wanneer het een black-boxleraar raadpleegt, met vragen in vrije natuurlijke taal. Vervolgens gebruikt het die gesprekken om zichzelf te trainen, zonder verdere hulp van de leraar. Op de CAMG-II-benchmark boekte COPD 2.46 × zoveel vooruitgang als de beste bestaande on-policy-distillatiemethode voor black-boxmodellen. De auteurs melden ook verbeteringen op Terminal-Bench 2.1 en SWE-Bench Pro V2.

Waarom het ertoe doet

Als de methode in de praktijk werkt, kunnen ontwikkelaars AI-agenten voor complexe taken verbeteren zonder volledige toegang nodig te hebben tot grote propriëtaire modellen.

Was dit artikel nuttig?
Delen

Lees ook

Oossa · Nieuwsbrief

De AI-week, uitgelegd

Elke maandag: het nieuws dat ertoe doet, in gewone taal. Gratis, geen spam.