Buchumschlag

DistDD: Distributed Data Distillation Aggregation through Gradient Matching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Peiran, Wang, Haohan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dist2ill: Distributional Distillation for One-Pass Uncertainty Estimation in Large Language Models
von: Zhao, Yicong, et al.
Veröffentlicht: (2025)

Dist Loss: Enhancing Regression in Few-Shot Region through Distribution Distance Constraint
von: Nie, Guangkun, et al.
Veröffentlicht: (2024)

DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Dataset Distillation via the Wasserstein Metric
von: Liu, Haoyang, et al.
Veröffentlicht: (2023)

Distilling Out-of-Distribution Robustness from Vision-Language Foundation Models
von: Zhou, Andy, et al.
Veröffentlicht: (2023)

DistPred: A Distribution-Free Probabilistic Inference Method for Regression and Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

IPD: Boosting Sequential Policy with Imaginary Planning Distillation in Offline Reinforcement Learning
von: Qin, Yihao, et al.
Veröffentlicht: (2026)

RADAR: Learning to Route with Asymmetry-aware DistAnce Representations
von: Yi, Hang, et al.
Veröffentlicht: (2026)

scDD: Latent Codes Based scRNA-seq Dataset Distillation with Foundation Model Knowledge
von: Yu, Zhen, et al.
Veröffentlicht: (2025)

DistShap: Scalable GNN Explanations with Distributed Shapley Values
von: Akkas, Selahattin, et al.
Veröffentlicht: (2025)

FairDD: Fair Dataset Distillation
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

DistRL: An Asynchronous Distributed Reinforcement Learning Framework for On-Device Control Agents
von: Wang, Taiyi, et al.
Veröffentlicht: (2024)

Curvature Dynamic Black-box Attack: revisiting adversarial robustness via dynamic curvature estimation
von: Sun, Peiran
Veröffentlicht: (2025)

GenoTEX: An LLM Agent Benchmark for Automated Gene Expression Data Analysis
von: Liu, Haoyang, et al.
Veröffentlicht: (2024)

LLM4DistReconfig: A Fine-tuned Large Language Model for Power Distribution Network Reconfiguration
von: Christou, Panayiotis, et al.
Veröffentlicht: (2025)

Efficient and Robust Knowledge Distillation from A Stronger Teacher Based on Correlation Matching
von: Niu, Wenqi, et al.
Veröffentlicht: (2024)

Path-Guided Flow Matching for Dataset Distillation
von: Li, Xuhui, et al.
Veröffentlicht: (2026)

Distribution Matching for Self-Supervised Transfer Learning
von: Jiao, Yuling, et al.
Veröffentlicht: (2025)

Adaptive Consensus Gradients Aggregation for Scaled Distributed Training
von: Choukroun, Yoni, et al.
Veröffentlicht: (2024)

GSTAM: Efficient Graph Distillation with Structural Attention-Matching
von: Rasti-Meymandi, Arash, et al.
Veröffentlicht: (2024)

Real-Fake: Effective Training Data Synthesis Through Distribution Matching
von: Yuan, Jianhao, et al.
Veröffentlicht: (2023)

Conflict-Aware Adversarial Training
von: Xue, Zhiyu, et al.
Veröffentlicht: (2024)

TrajFlow: Nation-wide Pseudo GPS Trajectory Generation with Flow Matching Models
von: Li, Peiran, et al.
Veröffentlicht: (2026)

Composite Flow Matching for Reinforcement Learning with Shifted-Dynamics Data
von: Kong, Lingkai, et al.
Veröffentlicht: (2025)

Distillation of Large Language Models via Concrete Score Matching
von: Kim, Yeongmin, et al.
Veröffentlicht: (2025)

Domain Generalization via Pareto Optimal Gradient Matching
von: Do, Khoi, et al.
Veröffentlicht: (2025)

Integrating Distribution Matching into Semi-Supervised Contrastive Learning for Labeled and Unlabeled Data
von: Nakayama, Shogo, et al.
Veröffentlicht: (2026)

Minifinetuning: Low-Data Generation Domain Adaptation through Corrective Self-Distillation
von: Belcak, Peter, et al.
Veröffentlicht: (2025)

Stratos: An End-to-End Distillation Pipeline for Customized LLMs under Distributed Cloud Environments
von: Dai, Ziming, et al.
Veröffentlicht: (2025)

PREMISE: Scalable and Strategic Prompt Optimization for Efficient Mathematical Reasoning in Large Models
von: Yu, Ye, et al.
Veröffentlicht: (2025)

Posterior Mean Matching: Generative Modeling through Online Bayesian Inference
von: Salazar, Sebastian, et al.
Veröffentlicht: (2024)

One-Step Diffusion Distillation through Score Implicit Matching
von: Luo, Weijian, et al.
Veröffentlicht: (2024)

ToxiGAN: Toxic Data Augmentation via LLM-Guided Directional Adversarial Generation
von: Li, Peiran, et al.
Veröffentlicht: (2026)

Revisiting Gradient Staleness: Evaluating Distance Metrics for Asynchronous Federated Learning Aggregation
von: Wilhelm, Patrick, et al.
Veröffentlicht: (2026)

zkFL: Zero-Knowledge Proof-based Gradient Aggregation for Federated Learning
von: Wang, Zhipeng, et al.
Veröffentlicht: (2023)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

Imitation Learning as Return Distribution Matching
von: Lazzati, Filippo, et al.
Veröffentlicht: (2025)

TextReg: Mitigating Prompt Distributional Overfitting via Regularized Text-Space Optimization
von: Fu, Lucheng, et al.
Veröffentlicht: (2026)

Training Data Selection with Gradient Orthogonality for Efficient Domain Adaptation
von: Zhang, Xiyang, et al.
Veröffentlicht: (2026)

Distilling Two-Timed Flow Models by Separately Matching Initial and Terminal Velocities
von: Khungurn, Pramook, et al.
Veröffentlicht: (2025)