distillation loops

合成数据生成需要谱系追踪，而非仅关注数据量

当前为AI模型生成合成训练数据的方法常常忽视了谱系追踪的关键需求。虽然使用教师模型创建数据很高效，但未能记录每个合成样本所使用的具体教师模型、提示模板和过滤器，会导致隐藏的问题。这种缺乏出处记录意味着学生模型会继承教师模型的缺陷，并且调试性能回归变得极其困难。成熟的数据工程实践，例如在ETL过程中使用有向无环图（DAG），为追踪合成数据生成提供了一个可追溯的制品模型，类似于软件供应链。