arXiv · cs.AI· Huining Yuan, Xiangmin Yi, Zelai Xu, Zixu Wang, Xinlei Chen, Xiao-Ping Zhang, Yu Wang, Chao Yu·· 6 小时前
ActionOPD：用语义行动而非词元蒸馏智能体决策
ActionOPD: Distilling Decisions, Not Tokens
arXiv:2610.19820v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Huining Yuan, Xiangmin Yi, Zelai Xu, Zixu Wang, Xinlei Chen, Xiao-Ping Zhang, Yu Wang, Chao Yu
研究任务与主要进展
ActionOPD提出一种面向语言模型智能体的行动级在线策略蒸馏方法，通过比较学生与黑盒教师在学生访问状态下的语义行动来优化学生策略，无需获取教师词元概率或复现教师推理链。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org