ActionOPD

ActionOPD 在无标记对齐的情况下提炼智能体决策

研究人员推出 ActionOPD，一种将大型语言模型的智能体决策提炼到更小模型中的新方法。该方法侧重于根据语义一致性将学生模型的行动与教师的决策对齐，而不是复制标记级别的概率或推理。ActionOPD 在训练 Qwen3-4B 和 Qwen3-8B 模型时，在分布外基准测试上展示了显著的性能提升，结果提高了 3.3-6.9 个百分点。该方法灵活，可与黑盒教师协同工作，且无需共享分词器或模型家族。