Lirui Luo及其合作者于2026年11月19日发布论文,介绍了“交互式在策略蒸馏”(COPD)。该技术让学生模型自行决定何时用自由形式的自然语言向黑箱教师模型提问,再利用双方的交流训练自己,无需教师模型继续参与。在CAMG-II基准测试中,COPD取得的提升幅度是现有最佳黑箱在策略蒸馏方法的2.46倍。作者还报告称,该方法在Terminal-Bench 2.1和SWE-Bench Pro V2上也取得了提升。
为什么重要
如果该方法在实际应用中有效,开发者就能在无法全面访问大型专有模型的情况下,提升AI智能体处理复杂任务的能力。