Onderzoekers onder leiding van Yujia Zhang publiceerden op 13 nov 2026 een artikel over een nieuwe trainingsmethode voor een Gemma-4-LLM met 12 miljard parameters, bedoeld voor klantenservicebots. Het model stelt op basis van mislukte gesprekken zelf beleidsregels op en controleert die voordat het een LoRA-adapter traint. Na twee rondes steeg de score van de agent met 12,5 tot 19,5 punten op benchmarks voor retail en luchtvaart. Daarmee presteerde hij beter dan een referentieversie waarin het beleid hard was vastgelegd. De methode verkleint de prestatiekloof met toonaangevende frontiermodellen.
Waarom het ertoe doet
Bedrijven kunnen kleinere, open LLM's inzetten die zelf beter leren omgaan met beleidsregels, zonder dure lerende modellen.
