Modelli di intelligenza artificiale che imparano insegnando a se stessi a livelli di pensiero più profondi
Un nuovo metodo permette ai modelli linguistici di utilizzare i propri loop di ragionamento più profondi come insegnanti, creando un ciclo di addestramento auto-migliorante.

Insegnare a un'AI a essere il proprio tutor
I modelli linguistici dedicano molto tempo ad apprendere dai dati — leggendo testo, rispondendo a domande, risolvendo problemi. Ma c'è l'idea crescente che il miglior insegnante per un modello possa essere il modello stesso.
I ricercatori hanno proposto un metodo chiamato LoopOPD (Looped On-Policy Distillation) che permette a un modello linguistico di utilizzare i propri passaggi di ragionamento più profondi come fonte di segnale di addestramento 1. L'approccio è costruito attorno a un tipo di modello noto come Looped Language Model, o LoopLM. Questi modelli riutilizzano lo stesso insieme di parametri attraverso più passaggi computazionali, come eseguire la stessa logica più e più volte mentre si costruisce una catena di pensiero più lunga. Pensatelo come permettere a uno studente di pensare a un problema passo dopo passo piuttosto che saltare direttamente a una risposta.
La sfida principale è stata come addestrare questi modelli in modo efficace. I metodi precedenti si basavano su segnali di ricompensa sparsi difficili da scalare attraverso i loop, o richiedevano un modello insegnante esterno — che è costoso e può creare una discrepanza tra ciò che l'insegnante sa e ciò che lo studente vede 1.
Come funziona l'autoapprendimento
LoopOPD capovolge il problema. Invece di introdurre un insegnante esterno, il metodo utilizza una copia congelata del modello stesso — una che ha eseguito loop computazionali aggiuntivi — come insegnante per una versione studente ancora nel mezzo dei suoi loop 1. Lo studente genera le proprie risposte, chiamate rollout, e poi apprende abbinando le previsioni a livello di token della versione più profonda e completata di sé stesso.
Questo crea una supervisione densa e passo dopo passo senza bisogno di alcun dato o modello esterno 1. L'insegnante ha accesso a informazioni che lo studente non ha ancora — come gli ultimi passaggi del ragionamento — e questo vantaggio è esattamente ciò da cui lo studente impara.
Far evolvere l'insegnante
Il passaggio successivo è stato rendere il sistema realmente auto-migliorante. Nella versione base, l'insegnante rimane congelato. Ma i ricercatori hanno introdotto Dynamic LoopOPD (D-LoopOPD), che aggiorna periodicamente l'insegnante man mano che i parametri condivisi del modello vengono aggiornati 1. Questo significa che lo studente è sempre guidato dall'ultima e migliore versione di sé stesso, creando un ciclo di miglioramento continuo.
Il team ha dimostrato matematicamente che un singolo aggiornamento di addestramento può produrre un miglioramento locale simultaneo sia a livello di loop superficiali che profondi, in determinate condizioni 1. Hanno testato l'approccio su modelli Ouro-Thinking e hanno scoperto che LoopOPD ha migliorato il ragionamento matematico, mentre D-LoopOPD ha offerto ulteriori vantaggi grazie ai suoi aggiornamenti dinamici dell'insegnante . Curiosamente, anche se i modelli sono stati addestrati solo su dati matematici, hanno migliorato anche su compiti di ragionamento generale e generazione di codice, suggerendo che il metodo insegna competenze trasferibili .
Il lavoro è stato pubblicato su arXiv nell'ottobre 2026 ed è in revisione presso ICLR 2027 1.
I fatti principali
- LoopOPD permette a un modello di utilizzare i propri loop di ragionamento più profondi come insegnante
- Dynamic LoopOPD aggiorna l'insegnante man mano che i parametri vengono aggiornati, abilitando il miglioramento continuo
- I modelli addestrati solo su dati matematici hanno migliorato anche il ragionamento generale e la generazione di codice
- Il metodo è stato testato su modelli Ouro-Thinking e presentato ad arXiv nell'ottobre 2026
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
Come funzionaUn modello di AI grande ha imparato a riparare il proprio cervello senza essere riaddestratoHerald of AI
Un modello di AI grande ha imparato a riparare il proprio cervello senza essere riaddestrato
I ricercatori hanno scoperto che un modello da 27 miliardi di parametri può modificare i propri parametri interni per diventare più preciso: senza bisogno di un insegnante umano.
Come funzionaCome Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunciHerald of AI
Come Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunci
Il nuovo sistema di agenti AI di Meta adatta automaticamente piccoli miglioramenti attraverso migliaia di modelli pubblicitari, risparmiando milioni nei costi di calcolo.
Come funzionaI bot per gli acquisti con l'AI diventano più sicuri di sé quando chiedono di pensare di più — ma non più intelligentiHerald of AIDeni Williams from São Paulo, Brasil / Brazil, CC BY 2.0, via Wikimedia Commons
I bot per gli acquisti con l'AI diventano più sicuri di sé quando chiedono di pensare di più — ma non più intelligenti
Un nuovo studio dimostra che chiedere agli assistenti con l'AI di ragionare più a lungo prima di suggerire prodotti li rende solo più sicuri di sé, non effettivamente più corretti.