把跑通的开源代码做样本，再由小模型注入Bug，大模型修复，结果用True/False直接反馈，这条路比单纯蒸馏更硬。编程任务有可验证闭环，SFT冷启动后接强化学习，确实能把模型从“学答案”推向“学调试”。 中国AI靠编程样本自我迭代