:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Songming, Luo, Yuxiao, Lyu, Ziyu, Chen, Xiaofeng
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2312.16242
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

TuneShift-KD: Knowledge Distillation and Transfer for Fine-tuned Models
di: Guan, Yushi, et al.
Pubblicazione: (2026)

Mixture Data for Training Cannot Ensure Out-of-distribution Generalization
di: Zhang, Songming, et al.
Pubblicazione: (2023)

Benchmarking Distribution Shift in Tabular Data with TableShift
di: Gardner, Josh, et al.
Pubblicazione: (2023)

Graphs Generalization under Distribution Shifts
di: Tian, Qin, et al.
Pubblicazione: (2024)

BicKD: Bilateral Contrastive Knowledge Distillation
di: Zhu, Jiangnan, et al.
Pubblicazione: (2026)

HyperKD: Distilling Cross-Spectral Knowledge in Masked Autoencoders via Inverse Domain Shift with Spatial-Aware Masking and Specialized Loss
di: Matin, Abdul, et al.
Pubblicazione: (2025)

KDFlow: A User-Friendly and Efficient Knowledge Distillation Framework for Large Language Models
di: Zhang, Songming, et al.
Pubblicazione: (2026)

S^2-KD: Semantic-Spectral Knowledge Distillation Spatiotemporal Forecasting
di: Wang, Wenshuo, et al.
Pubblicazione: (2025)

Trustworthy Machine Learning under Distribution Shifts
di: Huang, Zhuo
Pubblicazione: (2025)

Optimal Classification under Performative Distribution Shift
di: Cyffers, Edwige, et al.
Pubblicazione: (2024)

Label Alignment Regularization for Distribution Shift
di: Imani, Ehsan, et al.
Pubblicazione: (2022)

FedeKD: Energy-Based Gating for Robust Federated Knowledge Distillation under Heterogeneous Settings
di: Nguyen, Quang-Huy, et al.
Pubblicazione: (2026)

Mitigating Distribution Shift in Model-based Offline RL via Shifts-aware Reward Learning
di: Luo, Wang, et al.
Pubblicazione: (2024)

FlyKD: Graph Knowledge Distillation on the Fly with Curriculum Learning
di: Ku, Eugene
Pubblicazione: (2024)

RMT-KD: Random Matrix Theoretic Causal Knowledge Distillation
di: Ettori, Davide, et al.
Pubblicazione: (2025)

Wasserstein-regularized Conformal Prediction under General Distribution Shift
di: Xu, Rui, et al.
Pubblicazione: (2025)

Robust Anomaly Detection Under Normality Distribution Shift in Dynamic Graphs
di: Xu, Xiaoyang, et al.
Pubblicazione: (2025)

A Dual-Space Framework for General Knowledge Distillation of Large Language Models
di: Zhang, Xue, et al.
Pubblicazione: (2025)

Leveraging Gradients for Unsupervised Accuracy Estimation under Distribution Shift
di: Xie, Renchunzi, et al.
Pubblicazione: (2024)

Weak-to-Strong Generalization under Distribution Shifts
di: Jeon, Myeongho, et al.
Pubblicazione: (2025)

Adaptive Estimation and Learning under Temporal Distribution Shift
di: Baby, Dheeraj, et al.
Pubblicazione: (2025)

Distributionally Robust Coreset Selection under Covariate Shift
di: Tanaka, Tomonari, et al.
Pubblicazione: (2025)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
di: Zou, Deyu, et al.
Pubblicazione: (2023)

Spatial Distribution-Shift Aware Knowledge-Guided Machine Learning
di: Sharma, Arun, et al.
Pubblicazione: (2025)

MTL-KD: Multi-Task Learning Via Knowledge Distillation for Generalizable Neural Vehicle Routing Solver
di: Zheng, Yuepeng, et al.
Pubblicazione: (2025)

AlignDistil: Token-Level Language Model Alignment as Adaptive Policy Distillation
di: Zhang, Songming, et al.
Pubblicazione: (2025)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
di: Zhang, Zeyang, et al.
Pubblicazione: (2024)

Bias as a Virtue: Rethinking Generalization under Distribution Shifts
di: Chen, Ruixuan, et al.
Pubblicazione: (2025)

OCRR: A Benchmark for Online Correction Recovery under Distribution Shift
di: Grassi, Adrian
Pubblicazione: (2026)

SFedKD: Sequential Federated Learning with Discrepancy-Aware Multi-Teacher Knowledge Distillation
di: Xu, Haotian, et al.
Pubblicazione: (2025)

Distributionally Robust Safe Sample Elimination under Covariate Shift
di: Hanada, Hiroyuki, et al.
Pubblicazione: (2024)

Federated Learning with Profile Mapping under Distribution Shifts and Drifts
di: Li, Mohan, et al.
Pubblicazione: (2026)

Safe Distributionally Robust Feature Selection under Covariate Shift
di: Hanada, Hiroyuki, et al.
Pubblicazione: (2026)

Control+Shift: Generating Controllable Distribution Shifts
di: Friedman, Roy, et al.
Pubblicazione: (2024)

Graph Fairness Learning under Distribution Shifts
di: Li, Yibo, et al.
Pubblicazione: (2024)

Causal-aware Graph Neural Architecture Search under Distribution Shifts
di: Li, Peiwen, et al.
Pubblicazione: (2024)

A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation
di: Zhang, Kexin, et al.
Pubblicazione: (2024)

DRIFT: A Benchmark for Task-Free Continual Graph Learning with Continuous Distribution Shifts
di: Sun, Guiquan, et al.
Pubblicazione: (2026)

M-STAR: Multi-Scale Spatiotemporal Autoregression for Human Mobility Modeling
di: Luo, Yuxiao, et al.
Pubblicazione: (2025)

Evolving Multi-Scale Normalization for Time Series Forecasting under Distribution Shifts
di: Qin, Dalin, et al.
Pubblicazione: (2024)