无教师协同进化提升12B大模型的零售与航空任务表现

由 Yujia Zhang 领衔的研究人员于2026年11月13日发布论文，介绍了一种新的训练循环，适用于用于客服机器人的120亿参数 Gemma-4 大语言模型。模型会根据失败的对话自行编写策略规则，并在训练 LoRA 适配器前对其进行验证。经过两轮训练后，该智能体在零售和航空基准测试中的通过率分别提高12.5和19.5个百分点，表现优于将策略硬编码的参考版本。这种方法缩小了模型与领先前沿模型之间的性能差距。