清华 ActionOPD 蒸馏让 Qwen3-4B 智能体 τ²-bench 成功率 29.2%→40%
jiqizhixin · x · 2026-11-17
清华大学在 arXiv 预印本中提出 ActionOPD,一种面向智能体的教师蒸馏方法:
- 核心思路:在学生模型访问到的状态上采样教师动作与学生候选动作,按语义一致性打分,不需要教师的 token 概率,也无需两者分词器一致。
- 打分方式:工具调用按操作名与归一化参数对比;面向用户的回复检查意图与关键事实。得分最高的候选推进环境,整个候选组用于策略更新。
- 效果: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%(用 Qwen3-32B 教师,step 50、匹配任务起点的对照比较)。
- 限制:单次性能提升明显,但离线蒸馏仍保持更高水平(推文在此截断)。
「编程与Agent」频道最新
- Surge AI 新基准 sudo L7:最小 Claude 工程判断力胜过最大 GPT — echen · 2026-11-17
- 博主实测 Gemini 4 Carbon:慢但能读懂代码与科学文献 — iskander · 2026-11-17
- 临床基因组 Agent 首篇同行评审论文:破解两例致命肺毛细血管发育不良 — danielmckinn0n · 2026-11-17
- Anthropic 日均代码合并量 4 个月增 12 倍至 3 万次 — Dr_Singularity · 2026-11-17
- 开发者:看板不适合 AI Agent,实时追踪才是正解 — kevinkern · 2026-11-17
- AI 软件工厂实践:验证基础设施比 prompt 和模型选择更重要 — vikvang1 · 2026-11-17