清华团队提出ActionOPD：通过语义动作对齐实现Agent蒸馏

清华大学研究团队提出ActionOPD方法，将Agent蒸馏的监督粒度从Token提升至语义动作，仅需访问教师模型的生成接口即可进行训练。在四个未参与训练的基准上，Qwen3-4B和Qwen3-8B学生模型经该方法训练后平均性能提升3.3-6.9个百分点。该方法支持跨模型家族蒸馏，但在τ²-bench上的四次全部成功率低于离线蒸馏基线，且存在语义匹配误判等局限。