作者提出用教师模型、程序生成器和形式化验证构建高质量推理微调数据。
推荐理由：核心思路是用形式化求解器筛掉未验证样本，并采集多教师模型尝试作为训练信号，针对合成数据模板化和错误标签两大痛点给出可操作管线。
阅读原文