知乎专栏：机器之心· 机器之心·· 11 小时前AI 评分63
清华大学提出 ActionOPD 动作级在线蒸馏方法，让 Agent 学习决策而非模仿 Token
蒸馏Agent，学决策而非抄Token！清华提出动作级在线蒸馏ActionOPD
AI 导读
清华大学研究团队提出 ActionOPD（Action-level On-Policy Distillation），在学生实际访问的状态上，以高层语义动作为监督单元，将 Agent 蒸馏目标从逐 Token 模仿转向决策对齐。
来源：知乎专栏：机器之心 · zhuanlan.zhihu.com