ActFirst-OPD加速多轮智能体蒸馏

2026年9月29日，HuggingFace Daily Papers收录的社区热门论文提出 ActFirst-OPD，一种“先行动、后推理”的 on-policy 蒸馏训练框架，用于多轮智能体训练。该框架将环境交互与完整回复生成解耦：学生模型借助参考条件逆动力学推断并执行动作；当实际转移偏离参考轨迹时，切换为自主预测下一动作；随后异步生成完整的 think-then-act 回复，接受 token 级教师监督。报道称该框架最高提速 4.9 倍。目前公开信息仅来自该论文条目，未披露适用模型规模、训练成本或复现条件等细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。