# Новый метод учит ИИ-агентов у закрытых моделей на естественном языке

> Исследователи предложили Communicative On-Policy Distillation: небольшие модели могут задавать крупным закрытым моделям вопросы в свободной форме и лучше справляться с длительными задачами.

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

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.

## Факты

- Статья опубликована 19 ноября 2026 года
- На CAMG-II COPD повышает результат в 2,46 раза по сравнению с сильнейшим базовым методом для закрытых моделей

## 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.

## Источники и ссылки

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

Обновлено: 2026-11-19
