清华团队提出ActionOPD：蒸馏决策，而非Token

清华大学研究团队提出ActionOPD方法，通过动作级同策略蒸馏替代传统Token级监督，以语义动作为单位对齐教师与学生Agent模型的行为，在无需访问教师模型内部概率、不依赖共享分词器的前提下，显著提升小模型在多个Agent基准上的性能，平均提升3.3–6.9个百分点。