清华NLP团队（OpenBMB成员）联合中科院大学、东北大学、UIUC和约翰霍普金斯大学，提出了One-Shot OPD。做法很直接：把OPD的训练集压缩到一条查询。

效果用数字说话。数学任务上，成绩从59.1提升到68.5，训练步数为300步。作为参照，使用全量数据的OPD能达到69.8——一条查询拿到了全量数据约87%的增益。

打开网易新闻 查看精彩图片

不止数学任务

这套方法在代码、指令跟随和智能体工具使用上也成立，并且跨Qwen、Llama、OLMo等多个模型验证通过。也就是说，它不是只对某一个模型、某一类任务有效的偶然结果。

把训练数据从"全量"压到"一条"，省下的是数据准备和训练成本，留下的是接近全量的效果。对做模型后训练的人来说，这个比例值得记一下。