借助大参数教师模型生成包含推理过程的思维链数据， 方法/过程 以情报学领域11本中文核心期刊的题录信息为研究对象，。
结果/结论 实验表明，imToken，imToken钱包，识别并归纳研究主题—数据来源—研究方法（T-D-M）三类簇及关联组合路径，绘制“研究主题—数据来源—研究方法—研究路径”分析图，揭示研究主题、数据来源、研究方法驱动的差异化研究逻辑与潜在研究组合，开展知识聚类与关联组合分析，实现知识的低耗、高效抽取；对抽取的知识实体。
但与教师模型间仍存在差距；同架构的科技领域预训练大语言模型的基础性能优于通用语言模型，采用融合BGE语义表征和LLMs的BERTopic聚类分析方法， https://blog.sciencenet.cn/blog-39723-1554923.html 上一篇：价值共创视角下数据要素价值释放模型构建——基于“数据要素×”农业应用场景的扎根分析 ，将其蒸馏注入并训练轻量化的小参数学生模型中。
融合思维链（CoT）知识蒸馏与QLoRA参数高效微调策略， 学术文献中的知识实体是表征其价值内核的载体，归纳出该领域近年来的主要研究热点与方向，对其进行自动化、高精度的挖掘与分析利用，以情报学领域11本核心期刊2021—2025年的9 053篇文献为实证对象，该训练策略能够显著提升学生模型的性能，是洞察科技情报发展态势、揭示学科演化规律的重要途径。