Papers with Code 아카이브
Knowledge Distillation
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 2
- 평가표
- 11
- 보존된 평가 기록
- 90
Knowledge distillation is the process of transferring knowledge from a large model to a smaller one. While large models (such as very deep neural networks or ensembles of many models) have higher knowledge capacity than small models, this capacity might not be fully utilized.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
MC-EvoBench: 마인크래프트 에이전트의 경험 기반 자기 개선 감사
위성 영상을 활용한 건물 피해 평가 과제 재고
RATED: 실행 역학을 통한 신뢰성 인식 AI 에이전트 도구 검색
눈송이를 넘어서: LiDAR 객체 검출에서 날씨 영향과 교란 메타 요인의 분리
VLM이 알고 있는 것을 파괴할 때: 공간 표상은 어휘 사전확률보다 낮아진다
InstantFusion: 이종 이미지 생성기를 위한 공유 잠재 인터페이스
물리적으로 근거한 관절형 3D 에셋을 향하여: 멀티 에이전트 파이프라인과 벤치마크
언어 모델은 위키피디아 게임을 플레이할 수 있는가?
InfiFPO: 대규모 언어 모델에서 선호 최적화를 통한 암시적 모델 융합
DDL: 다양한 실제 환경 시나리오에서의 딥페이크 탐지 및 위치 특정을 위한 대규모 데이터셋
대규모 언어 모델(LLM)의 수학적 추론 강건성에 대한 조사: 고급 수학 문제의 수학적으로 동등한 변환을 이용한 벤치마킹
RT-DETRv4: 비전 파운데이션 모델을 활용하여 손쉽게 발전시키는 실시간 객체 검출
악용 가능한 비시각적 지름길을 드러내기 위해 벤치마크 설계자는 "테스트 세트로 학습"해야 한다
MobileWorldBench: 모바일 에이전트를 위한 의미론적 월드 모델링을 향하여
변전소 구성요소 매핑을 위한 객체 검출 모델 비교
번역을 통한 데이터 오염 은폐: 아랍어 코퍼스에서의 증거
MissMAC-Bench: 강건한 멀티모달 정서 컴퓨팅의 모달리티 결측 문제를 다루기 위한 견고한 벤치마크 구축
이미지 분류기로서의 멀티모달 대규모 언어 모델(MLLM)
$OneMillion-Bench: 언어 에이전트는 인간 전문가와 얼마나 차이 나는가?
ShapeY: 최근접 이웃 매칭을 통해 형상 인식 능력을 측정하는 원리적 프레임워크
고정 벤치마크와 최악의 경우 공격을 넘어서: 언어 모델을 위한 동적 경계 평가
회로 설계의 마지막 마일 연결하기: PPA 수렴 및 DRC 수정을 위한 계층적 벤치마크 PostEDA-Bench
LiteGUI: 다중 솔루션 유도 증류 및 이중 수준 강화학습을 통한 경량 GUI 에이전트
APEX: 이미지 품질 평가를 위한 무가정 투영 기반 임베딩 검증 지표
MedMemoryBench: 개인화된 헬스케어 환경에서의 에이전트 메모리 벤치마킹
CiteVQA: 신뢰 가능한 문서 지능을 위한 근거 귀속 벤치마킹
ReAlign: 추론 정렬 표상을 통한 일반화 가능한 이미지 위조 탐지
정확도를 넘어서: EEG 파운데이션 모델의 견고성, 해석 가능성, 표현력
증류 게임: 적응형 평가와 효율적인 방어
VISTA: 시각적 명세 기반 웹 앱 코딩 에이전트를 위한 엔드투엔드 벤치마크
EgoBench: 도구 사용 에이전트를 위한 상호작용형 1인칭 시점 멀티모달 벤치마크
Amap에서의 암묵적 추론을 통한 생성형 시공간 의도 시퀀스 추천
설계에 의한 메모리: 확률적 시퀀스 층
LoRi: 암시적 추론을 위한 저순위 증류
맞는 계열, 틀린 스킬: 에이전트 스킬 검색에서의 위험 노출 평가
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.