南大与腾讯研究：4 条 prompt 蒸馏效果抵 3840 条，prompt 效用取决于师生模型组合

南京大学与腾讯 LLM 部门研究发现，on-policy distillation（OPD）中仅 4 条 DAPO prompt 的数学成绩即可达到 3840 条 DeepMath prompt 的水平。prompt 效用取决于师生模型组合，只更换教师模型就可能让数学与代码 prompt 的相对效果反转，定向选择并未稳定优于均匀随机采样。在有效支持集上继续 OPD 可恢复不利迁移后的性能。