英文：Data Distillation 分类：frontier
从大模型/大数据中提炼高价值小数据的流程：生成"浓缩"训练数据（如推理轨迹、高质量问答），让小模型用少量数据学到接近大模型的能力。
方法：模型生成标注（指令蒸馏）、过滤筛选（高质量子集）、分布浓缩（代表性样本）；案例：蒸馏推理数据训练小模型（R1 蒸馏到 7B）、数据集重写；质量保障：多样性+难度+真实性校验；风险：继承教师错误。
用于小模型训练（能力蒸馏）、训练数据优化（高价值子集）、成本控制（小数据快训练）与领域数据构建；数据蒸馏是"数据提纯"的工艺。