# Treino sem professor melhora Gemma-4 12B em tarefas de varejo e aviação

> Um agente Gemma-4 12B aprende políticas com seus próprios registros e aumenta em até 22 pontos a taxa de aprovação em benchmarks, sem um modelo professor.

Oossa · 2026-11-13 · https://oossa.com/pt/teacher-free-co-evolution-improves-a-12b-llm-for-retail-and-airline-tasks

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.

## Os fatos

- Artigo publicado na sexta-feira, 13 de novembro de 2026
- Melhora: +12,5 pontos no varejo e +19,5 na aviação após duas rodadas

## 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.

## Fontes e referências

1. [Knowledge in the Harness, Reliability in the Weights: Teacher-Free Co-Evolution of an LLM Agent](https://arxiv.org/abs/2611.15268) – arXiv, 2026-11-13

Última atualização: 2026-11-13