目标：让GPT帮我们蒸馏demonstrations（直接在文本上进行edit/rephrase），且蒸馏完的demonstrations能够泛化给其他input and task
价值：
- 蒸馏得到的结果语义上可解释
- 蒸馏成本低
- 便于保留核心逻辑，并去除冗余信息，这样更能泛化（直觉上应该是这样）
思路：
- 自行构建一组prompts，能够让LLM能够自行edit/compress/rephrase整个demonstration，使得在缩短整个token长度的同时保留最核心的信息和逻辑
- 给定demostrations，选一个prompt给GPT，让它压缩得到distilled demonstration
- 将distilled demonstration和input给另一个GPT，让它生成output
- 将这个output和标签ground truth给reward model计算reward，根据reward：
- 如果reward达到某个标准，就保留这步distillation，再选一个prompt，让GPT进一步压缩这个distilled demonstration
- 如果没有达到这个标准，就舍弃这步distillation，再选另一个prompt，让它压缩
需要考虑的具体细节：
- prompts如何构建？
- 每次的prompt应该如何选取？
- 判断reward是否达标的标准应该如何选取？
- 根据同一个prompt，同一个demonstration，GPT每次可能会给出不同的答案，其中可能带有不稳定性，是否会产生影响？
- 如何决定整个蒸馏过程是否应该终止？