跳到正文
热点事件持续更新

清华提出ActionOPD智能体蒸馏方法

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

清华大学在 arXiv 预印本中提出 ActionOPD,通过让学生智能体访问教师和自身的候选动作,并按语义一致性打分来蒸馏教师策略,不要求教师与学生使用相同分词器或提供 token 概率。 在留出的 τ²-bench 任务上,以 Qwen3-32B 为教师、使用匹配任务起点时,Qwen3-4B 学生智能体的平均单次成功率由 29.2% 提升至 40.0%。该结果目前来自论文预印本。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。