ActionOPD：以动作级在线蒸馏训练 Qwen3 智能体

2026 年 10 月 15 日，AGI Hunt 报道了 ActionOPD 这一动作级在线蒸馏方法，用于训练 Qwen3 智能体。该方法以「语义动作」为监督单元，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，也不必复现教师的推理文本。报道称，该方法在跨域基准上带来 3.3 至 6.9 点的提升。目前尚无后续报道披露更多实现细节或第三方复现结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。