清华团队提出ActionOPD决策蒸馏法

发生了什么

据Hugging Face Papers发布的研究，清华大学团队提出ActionOPD方法，旨在通过语义动作对齐实现智能体决策蒸馏。该方法无需教师模型Token概率或共享分词器，通过最大化学生模型在特定状态下与教师动作的语义一致性来优化策略。实验表明，该方法应用于Qwen3-4B和Qwen3-8B模型，在四项分布外基准测试中实现了性能提升。