搜索

蒸馏Agent，学决策而非抄Token！清华提出动作级在线蒸馏ActionOPD（在新窗口打开）

清华大学研究团队提出动作级在线蒸馏ActionOPD，在学生实际访问状态下以语义动作监督策略优化，使轻量Agent学习教师决策而非模仿Token，并支持黑盒接口、跨家族蒸馏及Self-ActionOPD自蒸馏。