Forskare under ledning av Yujia Zhang publicerade den 13 nov 2026 en artikel om en ny träningsmetod för en Gemma-4-LLM med 12 miljarder parametrar, avsedd för kundtjänstbotar. Modellen formulerar egna regler utifrån misslyckade konversationer och validerar dem innan en LoRA-adapter tränas. Efter två omgångar höjde agenten sina resultat med 12,5–19,5 poäng på testresultat för detaljhandel och flygbolag. Den slog en referensversion där reglerna var hårdkodade. Metoden minskar avståndet till ledande frontier-modeller.
Varför det spelar roll
Företag kan använda mindre, öppna LLM:er som själva blir bättre på att följa regler, utan kostsamma lärarmodeller.
