# 无教师协同进化提升12B大模型的零售与航空任务表现

> 一款 Gemma-4 12B 智能体从自身日志中学习策略，无需教师模型，基准测试通过率最高提升22个百分点。

Oossa · 2026-11-13 · https://oossa.com/zh/teacher-free-co-evolution-improves-a-12b-llm-for-retail-and-airline-tasks

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。

## 事实

- 论文发表于2026年11月13日（星期五）
- 经过两轮训练后，通过率提升：零售12.5个百分点，航空19.5个百分点

## 为什么重要

企业可以部署更小型的开放式大语言模型，让它们在无需昂贵教师模型的情况下自行提升策略遵循能力。

## 来源与参考

1. [Knowledge in the Harness, Reliability in the Weights: Teacher-Free Co-Evolution of an LLM Agent](https://arxiv.org/abs/2611.15268) – arXiv, 2026-11-13

最后更新: 2026-11-13