# 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.

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

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.

## De feiten

- Paper gepubliceerd op 19 nov 2026
- COPD verbetert de prestaties op CAMG-II met 2.46 × ten opzichte van de sterkste black-box-baseline

## 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.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-11-19
