概念Omni-domain Policy Distillation / 全域策略蒸馏
OPD
一种多教师知识蒸馏训练技术，同时引入多个在不同领域各有专精的教师模型，让小模型在单次训练中融合多条能力主线，显著提升单位参数的能力密度
时间轴 (近 90 天)
10月21日
SAPD每个训练步骤的运行速度至少比在线同策略蒸馏（OPD）快4.7倍。
待验证50%
10月21日
R2S在实验对比中与三种先进的智能体OPD方法进行比较，并全面超越这些基线。
待验证50%
10月12日
在线策略蒸馏（OPD）让学生模型自己生成轨迹，再由教师模型在这些轨迹上提供监督信号
待验证50%
9月16日
OpenBMB采用强化学习结合OPD（全域策略蒸馏）的方式，把16个专家模型（含5个agent专家）的能力合并进MiniCPM5-2B
待验证50%