热点事件观察中
ActionOPD提出动作级在线蒸馏方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月14日，Hugging Face Daily Papers报道了ActionOPD，一种面向智能体的动作级在线策略蒸馏方法。该方法在学生的每个状态上，分别从学生和黑盒教师处采样动作，并按语义一致性对学生动作给予奖励，从而无需教师token概率或共享tokenizer。报道称，研究者用两个教师训练Qwen3-4B和Qwen3-8B，在四个分布外基准上平均提升3.3-6.9个百分点，并在τ²-bench上媲美离线蒸馏与token级OPD。目前该工作处于论文发布阶段，尚无后续进展报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 08:00
ActionOPD提出动作级在线蒸馏，无需教师token概率，在四个分布外基准平均提升3.3-6.9个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face Daily PapersActionOPD：蒸馏决策而非 token，实现智能体动作级在线策略蒸馏
ActionOPD 提出一种动作级在线策略蒸馏方法，在学生的每个状态上从学生和黑盒教师分别采样动作，按语义一致性奖励学生动作，无需教师 token 概率或共享 tokenizer。用两个教师训练 Qwen3-4B 和 Qwen3-8B，在四个分布外基准上平均提升 3.3-6.9 个百分点，并在 τ²-bench 上媲美离线蒸馏与 token 级 OPD。
本事件热度走势
当前热度 4·可比范围峰值 4（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。