AGI Hunt· nics-efc·· 3 小时前AI 评分39
ActionOPD：以动作级在线蒸馏训练 Qwen3 智能体，跨域基准提升 3.3-6.9 点
ActionOPD 动作级在线蒸馏训练 Qwen3 智能体,跨域基准提升 3.3-6.9 点
AI 导读
ActionOPD 提出以「语义动作」为监督单元的动作级在线蒸馏方法，在学生模型遇到的状态上同时采样学生与黑盒教师的动作，按语义一致性奖励学生动作，无需教师 token 概率或复现教师推理文本。
来源：AGI Hunt · agihunt.info