若采用训练一个小模型来缓解 reward hacking，这个小模型的训练数据应如何获取？

Question

Accepted Answer

考察点：考察对知识蒸馏、数据生成等数据来源的掌握。回答思路：能列举至少两种数据获取途径 能说明各自适用条件与优缺点 能体现对数据质量与覆盖度的考量

考察说明