ActionOPD：基于语义动作的智能体蒸馏方法

ActionOPD 是一种基于语义动作的智能体蒸馏方法，旨在提高语言模型智能体的性能。该方法通过在学生模型遇到的状态下，从学生和黑盒教师中采样动作，并根据学生动作与教师动作的语义一致性进行奖励，从而将学生的动作级行为与教师的决定对齐。在 Qwen3-4B 和 Qwen3-8B 模型上进行的实验表明，ActionOPD 在四个分布外基准测试中实现了平均 3.3-6.9 个百分点的增益。