# 拒绝样本来源选择

该研究在SODA式两阶段偏好蒸馏流程中固定提示、优选回答、SeqKD初始化、DPO目标与训练预算，只改变拒答来源，发现7B至72B的Qwen2.5学生在代码生成与数学推理上，用参数更少、推理算力更低的冻结Base模型生成拒答，比用学生自身拒答训练出的学生更强，并进一步用线性化特征模型给出有限时域效用界，提出混合来源、提示重分配与词元置换、按参考策略似然重选三类干预。

该研究在SODA式两阶段偏好蒸馏流程中固定提示、优选回答、SeqKD初始化、DPO目标与训练预算，只改变拒答来源，发现7B至72B的Qwen2.5学生在代码生成与数学推理上，用参数更少、推理算力更低的冻结Base模型生成拒答，比用学生自身拒答训练出的学生更强，并进一步用线性化特征模型给出有限时域效用界，提出混合来源、提示重分配与词元置换、按参考策略似然重选三类干预。