清华提出 ActionOPD 动作级在线蒸馏技术迁移大模型决策能力

清华提出 ActionOPD 动作级在线蒸馏技术，通过学习 Agent 决策动作而非复制 Token 来迁移大模型能力。该技术适用于多轮工具调用场景，可在 175B 参数模型上实现推理成本降低 3.5x，并支持 8k 上下文长度的复杂环境交互。