GraphOPD 用环境状态转移依赖图重排蒸馏监督，在 ALFWorld 与 WebShop 上超过最强基线最多 +5.8 个百分点
GraphOPD 从环境状态转移中读取步骤间的依赖关系，构建有向依赖图并用随机游走平稳分布给出每步的结构信用分，再与教师-学生散度信号融合成轨迹相对的掩码，只对每条 rollout 中适应度高于自身均值的步骤施加蒸馏监督；在 ALFWorld、WebShop、SearchQA 三个基准、三种模型规模和十一个基线上均具竞争力，相对最强基线最多提升 +5.8 个百分点。