清华大学提出动作级在线蒸馏 ActionOPD：聚焦决策对齐而非复制 Token

清华大学提出动作级在线策略蒸馏方法 ActionOPD，通过以高层语义动作为监督单元，仅凭黑盒文本接口即可实现跨模型家族的 Agent 决策对齐。实验显示，使用 Qwen3-32B 蒸馏 Qwen3-4B 在 τ²-bench 测试集上的单次成功率 pass¹ 提升 10.8 个百分点，且支持异构教师 DeepSeek-V4-Flash 蒸馏与特权上下文自蒸馏，相关代码和模型权重已开源。