Pesquisadores liderados por Yujia Zhang publicaram um artigo em 13 de novembro de 2026 que descreve um novo ciclo de treinamento para um LLM Gemma-4 de 12 bilhões de parâmetros usado em bots de atendimento ao cliente. O modelo cria suas próprias regras de política com base em conversas malsucedidas e as valida antes de treinar um adaptador LoRA. Após duas rodadas, o agente aumentou as pontuações de aprovação em 12,5 a 19,5 pontos em benchmarks de varejo e aviação, superando uma versão de referência que codifica as políticas diretamente. O método reduz a diferença de desempenho em relação aos principais modelos de fronteira.
Por que importa
Empresas podem implantar LLMs menores e abertos que aprimoram por conta própria a conformidade com políticas, sem depender de modelos professor caros.
