Ask to Distill：面向同策略蒸馏的数据合成学习框架

研究人员提出名为 Ask-to-Distill 的数据合成框架，在无参考答案或正确性奖励的情况下，通过冻结的学生-教师模型对评估问题价值并优化合成器，生成用于同策略蒸馏（OPD）的提示词库。在数学推理、代码生成和智能体任务评测中，该方法性能与教师差距恢复表现均优于未优化的生成提示词及 KL 过滤真实问题，且达到或超越了真实提示词库。相关代码、数据和模型已公开。