清华团队提出动作级在线蒸馏方法 ActionOPD

清华团队提出动作级在线蒸馏方法 ActionOPD，通过语义动作对齐替代逐 Token 拟合，实现教师决策能力向轻量模型的迁移。 该方法仅依赖黑盒文本接口，无需教师 Token 概率或同源 Tokenizer，支持跨模型家族蒸馏及同模型自蒸馏。 实验显示 τ²-bench 单次成功率提升 10.8 个百分点，代码与模型权重均已开源。