# Novo método ensina agentes de IA com modelos de caixa-preta

> Pesquisadores propõem a destilação comunicativa on-policy: modelos menores fazem perguntas abertas a modelos maiores de caixa-preta e melhoram o desempenho em tarefas longas.

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

Lirui Luo e coautores publicaram um artigo em 19 de novembro de 2026 que apresenta a destilação comunicativa on-policy (COPD, na sigla em inglês). A técnica permite que um modelo aluno decida quando consultar um modelo professor de caixa-preta por meio de perguntas em linguagem natural, e depois use essas conversas para se treinar sem precisar de mais ajuda do professor. No benchmark CAMG-II, a COPD alcançou uma melhora 2,46 vezes maior que o melhor método existente de destilação on-policy para modelos de caixa-preta. Os autores também relatam ganhos no Terminal-Bench 2.1 e no SWE-Bench Pro V2.

## Os fatos

- Artigo publicado em 19 de novembro de 2026
- No CAMG-II, a COPD melhora o desempenho em 2,46 vezes em relação à melhor referência de caixa-preta

## Por que importa

Se funcionar na prática, o método poderá ajudar desenvolvedores a aprimorar agentes de IA para tarefas complexas sem precisar de acesso completo a grandes modelos proprietários.

## Fontes e referências

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

Última atualização: 2026-11-19
