标题：不用千亿参数也能合成高质量数据！这个开源框架让小模型“组团逆袭”，7B性能直追72B

无需蒸馏任何大规模语言模型，小模型也能自给自足、联合提升？上海人工智能实验室与中国人民大学联合提出的GRA框架（Generator–Reviewer–Adjudicator）正是这样一种新范式。该方法以“多人协作”、“角色分工”为核心理念，探索多开源小模型如何通过协同机制生成高质量训练数据。

实验结果显示，在涵盖数学、代码、逻辑推理、通识问答等10个主流数据集上，GRA生成的数据质量与单个大型语言模型（如Qwen-2.5-72B-Instruct）输出相当或更高，并在多数任务中取得显著领先。

GRA框架模拟学术顶会审稿流程，小模型分工合作确保数据质量。具体分为三步：Generator生成新样本，Reviewer严格评审，Adjudicator仲裁分歧。此外，后处理模块进一步提升样本质量。

实验验证显示，GRA生成的数据在多项任务中表现优异，甚至优于大模型蒸馏数据，证明了小模型协同机制的成本效益和扩展潜力。GRA框架已在GitHub开源，可广泛应用于高效数据合成场景。