ActionOPD：动作级在线策略蒸馏方法
热点事件观察中
ActionOPD：动作级在线策略蒸馏方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
论文作者提出动作级 on-policy 蒸馏方法 ActionOPD，在学生遇到的状态下同时采样学生与黑盒教师的动作，按语义一致性给学生动作奖励并用策略优化对齐行为，无需复现教师推理文本或访问教师 token 概率，也不要求师生共享模型族或分词器。 作者称在工具使用任务上用两个教师训练 Qwen3-4B 和 Qwen3-8B，四个分布外基准平均提升 3.3–6.9 个百分点，且随学生规模和教师能力扩大表现更好。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 08:00
ActionOPD：面向智能体蒸馏的动作级 on-policy 方法报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face 每日论文精选ActionOPD：面向智能体蒸馏的动作级 on-policy 方法
Hugging Face 每日论文收录 ActionOPD，一种动作级 on-policy 蒸馏方法，在学生遇到的状态下同时采样学生与黑盒教师的动作，按语义一致性给学生动作奖励，通过策略优化对齐行为，无需复现教师推理文本或访问教师 token 概率。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 410月15日 14:00
- 近 24 小时变化
- –
0246
14:0015:0016:00
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。