AGI Hunt· jiqizhixin·· 2 小时前AI 评分33
清华 ActionOPD 蒸馏将 Qwen3-4B 智能体 τ²-bench 成功率从 29.2% 提升至 40%
清华 ActionOPD 蒸馏让 Qwen3-4B 智能体 τ²-bench 成功率 29.2%→40%
AI 导读
清华大学在 arXiv 预印本中提出面向智能体的教师蒸馏方法 ActionOPD,在学生访问状态上采样教师动作与候选动作并按语义一致性打分,无需教师 token 概率或分词器一致。该方法让 Qwen3-4B 智能体在留出 τ²-bench 任务上的平均单次成功率从 29.2% 升至 40.0%,对照使用 Qwen3-32B 教师并匹配任务起点。
来源:AGI Hunt · agihunt.info