本文研究了预训练模型在数据集精炼中的应用，实验发现增加模型多样性可以提高合成数据集的性能，次优模型在某些情况下可以辅助DD并超过训练充分的模型，DD并不一定需要特定的领域PTMs，但合理的领域匹配至关重要。通过选择最佳选项，显著提高了基线DD方法的跨体系结构泛化能力。