热点事件观察中
ActionOPD：动作级在线蒸馏用于智能体
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
ActionOPD 提出了一种面向语言模型智能体的动作级在线蒸馏方法，以动作（而非 token）为单位对齐师生决策，不要求师生共享 tokenizer，也无需访问教师 token 概率。 用两位教师在经筛选的工具调用任务上训练 Qwen3-4B 与 Qwen3-8B，在四个分布外基准上平均提升 3.3–6.9 个百分点；在 τ²-bench 上与离线蒸馏及 token 级 OPD 表现相当。作者称该方法随学生规模与教师能力提升而扩展，且不要求师生属于同一模型家族。
AI 根据报道生成 · 4 小时前更新
最新进展10月14日 04:00
ActionOPD：以动作而非 token 为单位蒸馏智能体决策报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- HF Daily Papers精选ActionOPD：以动作而非 token 为单位蒸馏智能体决策
ActionOPD 提出面向智能体的动作级在线蒸馏方法，通过最大化学生在自身状态下的教师动作似然来对齐决策，不要求师生共享 tokenizer，也无需访问教师 token 概率。用两位教师在工具调用任务上训练 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 τ^2-bench 上与离线蒸馏及 token 级 OPD 表现相当。
本事件热度走势
当前热度 3·可比范围峰值 4（10月15日 16:00）·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。