Exploring Dark Knowledge under Various Teacher Capacities and Addressing Capacity Mismatch
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Fan, Wen-Shu, Li, Xin-Chun, Zhan, De-Chuan |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Dual-Forward Path Teacher Knowledge Distillation: Bridging the Capacity Gap Between Teacher and Student
par: Li, Tong, et autres
Publié: (2025)
par: Li, Tong, et autres
Publié: (2025)
Exploring and Exploiting the Asymmetric Valley of Deep Neural Networks
par: Li, Xin-Chun, et autres
Publié: (2024)
par: Li, Xin-Chun, et autres
Publié: (2024)
Visualizing, Rethinking, and Mining the Loss Landscape of Deep Neural Networks
par: Xu, Yichu, et autres
Publié: (2024)
par: Xu, Yichu, et autres
Publié: (2024)
Certified Minimax Unlearning with Generalization Rates and Deletion Capacity
par: Liu, Jiaqi, et autres
Publié: (2023)
par: Liu, Jiaqi, et autres
Publié: (2023)
MACS: Modality-Aware Capacity Scaling for Efficient Multimodal MoE Inference
par: Li, Bo, et autres
Publié: (2026)
par: Li, Bo, et autres
Publié: (2026)
Weight Scope Alignment: A Frustratingly Easy Method for Model Merging
par: Xu, Yichu, et autres
Publié: (2024)
par: Xu, Yichu, et autres
Publié: (2024)
Understanding the Role of Rehearsal Scale in Continual Learning under Varying Model Capacities
par: He, JinLi, et autres
Publié: (2026)
par: He, JinLi, et autres
Publié: (2026)
Addressing Imbalanced Domain-Incremental Learning through Dual-Balance Collaborative Experts
par: Li, Lan, et autres
Publié: (2025)
par: Li, Lan, et autres
Publié: (2025)
Paying Attention to Facts: Quantifying the Knowledge Capacity of Attention Layers
par: Wong, Liang Ze
Publié: (2025)
par: Wong, Liang Ze
Publié: (2025)
Conditional Diffusion Modeling with Attention for Probabilistic Battery Capacity Prediction under Real-World Condition
par: Jiang, Chunlin, et autres
Publié: (2025)
par: Jiang, Chunlin, et autres
Publié: (2025)
Robust Super-Capacity SRS Channel Inpainting via Diffusion Models
par: Akram, Usman, et autres
Publié: (2025)
par: Akram, Usman, et autres
Publié: (2025)
Incompressible Knowledge Probes: Estimating Black-Box LLM Parameter Counts via Factual Capacity
par: Li, Bojie
Publié: (2026)
par: Li, Bojie
Publié: (2026)
Capacity-Constrained Continual Learning
par: Wen, Zheng, et autres
Publié: (2025)
par: Wen, Zheng, et autres
Publié: (2025)
FedPCA: Noise-Robust Fair Federated Learning via Performance-Capacity Analysis
par: Wu, Nannan, et autres
Publié: (2025)
par: Wu, Nannan, et autres
Publié: (2025)
Physics of Language Models: Part 3.3, Knowledge Capacity Scaling Laws
par: Allen-Zhu, Zeyuan, et autres
Publié: (2024)
par: Allen-Zhu, Zeyuan, et autres
Publié: (2024)
Exploring the Hidden Capacity of LLMs for One-Step Text Generation
par: Mezentsev, Gleb, et autres
Publié: (2025)
par: Mezentsev, Gleb, et autres
Publié: (2025)
Characterizing the Representational Capacity of Neural Processes
par: Young, Robin
Publié: (2026)
par: Young, Robin
Publié: (2026)
Maximum Manifold Capacity Representations in State Representation Learning
par: Meng, Li, et autres
Publié: (2024)
par: Meng, Li, et autres
Publié: (2024)
Attention-based Deep Neural Networks for Battery Discharge Capacity Forecasting
par: Zhang, Yadong, et autres
Publié: (2022)
par: Zhang, Yadong, et autres
Publié: (2022)
Student Capacity Moderates Knowledge Distillation Effectiveness: A Systematic Study Across ResNet Teacher-Student Pairs on CIFAR-10
par: Yasar, Umut Onur
Publié: (2026)
par: Yasar, Umut Onur
Publié: (2026)
On the Optimal Memorization Capacity of Transformers
par: Kajitsuka, Tokio, et autres
Publié: (2024)
par: Kajitsuka, Tokio, et autres
Publié: (2024)
SpecOffload: Unlocking Latent GPU Capacity for LLM Inference on Resource-Constrained Devices
par: Zhuge, Xiangwen, et autres
Publié: (2025)
par: Zhuge, Xiangwen, et autres
Publié: (2025)
On the Representational Capacity of Recurrent Neural Language Models
par: Nowak, Franz, et autres
Publié: (2023)
par: Nowak, Franz, et autres
Publié: (2023)
Memory Capacity of Nonlinear Recurrent Networks: Is it Informative?
par: Ballarin, Giovanni, et autres
Publié: (2025)
par: Ballarin, Giovanni, et autres
Publié: (2025)
Memorization Capacity of Multi-Head Attention in Transformers
par: Mahdavi, Sadegh, et autres
Publié: (2023)
par: Mahdavi, Sadegh, et autres
Publié: (2023)
Effects of Feature Correlations on Associative Memory Capacity
par: Bielmeier, Stefan, et autres
Publié: (2025)
par: Bielmeier, Stefan, et autres
Publié: (2025)
Techniques for Enhancing Memory Capacity of Reservoir Computing
par: Yokota, Atsuki, et autres
Publié: (2025)
par: Yokota, Atsuki, et autres
Publié: (2025)
Learning to Optimize Capacity Planning in Semiconductor Manufacturing
par: Andelfinger, Philipp, et autres
Publié: (2025)
par: Andelfinger, Philipp, et autres
Publié: (2025)
Capacity-Aware Mixture Law Enables Efficient LLM Data Optimization
par: Li, Jingwei, et autres
Publié: (2026)
par: Li, Jingwei, et autres
Publié: (2026)
Time-Series JEPA for Predictive Remote Control under Capacity-Limited Networks
par: Girgis, Abanoub M., et autres
Publié: (2024)
par: Girgis, Abanoub M., et autres
Publié: (2024)
Exploring and Addressing Reward Confusion in Offline Preference Learning
par: Chen, Xin, et autres
Publié: (2024)
par: Chen, Xin, et autres
Publié: (2024)
External Knowledge Injection for CLIP-Based Class-Incremental Learning
par: Zhou, Da-Wei, et autres
Publié: (2025)
par: Zhou, Da-Wei, et autres
Publié: (2025)
Mismatch Capacity under Stochastic Decoding
par: Molina, Francesc, et autres
Publié: (2026)
par: Molina, Francesc, et autres
Publié: (2026)
Innovation Capacity of Dynamical Learning Systems
par: Polloreno, Anthony M.
Publié: (2026)
par: Polloreno, Anthony M.
Publié: (2026)
Information Capacity Regret Bounds for Bandits with Mediator Feedback
par: Eldowa, Khaled, et autres
Publié: (2024)
par: Eldowa, Khaled, et autres
Publié: (2024)
Rank Is Not Capacity: Spectral Occupancy for Latent Graph Models
par: Nakis, Nikolaos, et autres
Publié: (2026)
par: Nakis, Nikolaos, et autres
Publié: (2026)
LACE: Loss-Adaptive Capacity Expansion for Continual Learning
par: Tathe, Shivnath
Publié: (2026)
par: Tathe, Shivnath
Publié: (2026)
On the Generalization and Approximation Capacities of Neural Controlled Differential Equations
par: Bleistein, Linus, et autres
Publié: (2023)
par: Bleistein, Linus, et autres
Publié: (2023)
AWaRe-SAC: Proactive Slice Admission Control under Weather-Induced Capacity Uncertainty
par: Jacoby, Dror, et autres
Publié: (2026)
par: Jacoby, Dror, et autres
Publié: (2026)
On the Generalization Capacities of MLLMs for Spatial Intelligence
par: Zhang, Gongjie, et autres
Publié: (2026)
par: Zhang, Gongjie, et autres
Publié: (2026)
Documents similaires
-
Dual-Forward Path Teacher Knowledge Distillation: Bridging the Capacity Gap Between Teacher and Student
par: Li, Tong, et autres
Publié: (2025) -
Exploring and Exploiting the Asymmetric Valley of Deep Neural Networks
par: Li, Xin-Chun, et autres
Publié: (2024) -
Visualizing, Rethinking, and Mining the Loss Landscape of Deep Neural Networks
par: Xu, Yichu, et autres
Publié: (2024) -
Certified Minimax Unlearning with Generalization Rates and Deletion Capacity
par: Liu, Jiaqi, et autres
Publié: (2023) -
MACS: Modality-Aware Capacity Scaling for Efficient Multimodal MoE Inference
par: Li, Bo, et autres
Publié: (2026)