多轮OPD：教师生成前缀引导学生生成动作

teortaxesTex · x · 2026-07-07

作为 OPD 蒸馏的扩展，多轮 OPD 使用教师生成的对话前缀（prefix），并让学生在其基础上继续生成动作，从而在多轮交互场景中实现更稳定的策略蒸馏。