热点事件持续更新
清华大学提出动作级在线蒸馏方法ActionOPD并开源代码权重
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月31日，清华大学提出动作级在线策略蒸馏方法 ActionOPD。该方法以高层语义动作为监督单元，仅需依赖黑盒文本接口即可实现跨模型家族的 Agent 决策对齐，核心聚焦于决策对齐而非单纯复制 Token。实验数据显示，使用 Qwen3-32B 蒸馏 Qwen3-4B 模型后，在 τ²-bench 测试集上的单次成功率（pass¹）提升了 10.8 个百分点。此外，该方法还支持异构教师模型 DeepSeek-V4-Flash 蒸馏以及特权上下文自蒸馏。目前，相关的代码和模型权重已对外开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 17:20
清华大学提出动作级在线策略蒸馏方法ActionOPD，支持跨模型Agent决策对齐，代码与权重已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- AITNT · AI头条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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。