Лируй Луо и его соавторы опубликовали 19 ноября 2026 года статью о Communicative On-Policy Distillation (COPD). Этот метод позволяет модели-ученику самой решать, когда обратиться с вопросом к закрытой модели-учителю, используя естественный язык в свободной форме, а затем обучаться на этих диалогах без дальнейшей помощи учителя. На тесте CAMG-II COPD показал результат в 2,46 раза лучше, чем лучший из существующих методов дистилляции по текущей политике для закрытых моделей. Авторы также сообщают об улучшении результатов на Terminal-Bench 2.1 и SWE-Bench Pro V2.
Почему это важно
Если метод покажет себя на практике, разработчики смогут улучшать ИИ-агентов для сложных задач, не получая полного доступа к крупным проприетарным моделям.