教新人用工具，逐字背下老师的话未必有用：真正重要的是走到岔路口时，知道该搜索、调用工具，还是直接回答。ActionOPD把这种思路用于智能体蒸馏——让较小的“学生模型”继承强模型的决策能力，不再要求它复刻老师生成的每个 Token（文字的基本碎片）。
训练时，学生先按当前能力走到自己实际会遇到的状态，再与“教师模型”各自给出行动。系统比较双方是否在语义上做了同一件事，例如工具名和参数是否等价，而不苛求措辞或推理过程一致。这样既缓解固定示范与实战情形脱节的问题，也只需访问黑盒教师的输出，无须取得其 Token 概率，教师和学生甚至不用共享模型家族或分词方式。
作者用两类教师训练 Qwen3-4B 和 Qwen3-8B；据论文自述，四种配置在四个分布外智能体基准上的平均成绩均提高 3.3—6.9 个百分点。它最值得注意的不是又一种“模仿”，而是把教学单位从“老师怎么说”改成“此刻该做什么”。