Buchumschlag

BIRD: Behavior Induction via Representation-structure Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pogoncheff, Galen, Beyeler, Michael
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Offline Behavior Distillation
von: Lei, Shiye, et al.
Veröffentlicht: (2024)

Percept-Aware Surgical Planning for Visual Cortical Prostheses with Vascular Avoidance
von: Pogoncheff, Galen, et al.
Veröffentlicht: (2026)

Trust-Region Behavior Blending for On-Policy Distillation
von: Plyusov, Daniil, et al.
Veröffentlicht: (2026)

Distilling Genomic Models for Efficient mRNA Representation Learning via Embedding Matching
von: Haidari, Rasched, et al.
Veröffentlicht: (2026)

Harmonizing Multi-Objective LLM Unlearning via Unified Domain Representation and Bidirectional Logit Distillation
von: Zhong, Yisheng, et al.
Veröffentlicht: (2026)

Task Agnostic Architecture for Algorithm Induction via Implicit Composition
von: Sindhi, Sahil J., et al.
Veröffentlicht: (2024)

Representation Convergence: Mutual Distillation is Secretly a Form of Regularization
von: Xie, Zhengpeng, et al.
Veröffentlicht: (2025)

Learning Policy Representations for Steerable Behavior Synthesis
von: Li, Beiming, et al.
Veröffentlicht: (2026)

Diffusion-Assisted Distillation for Self-Supervised Graph Representation Learning with MLPs
von: Ahn, Seong Jin, et al.
Veröffentlicht: (2025)

HDPO: Hybrid Distillation Policy Optimization via Privileged Self-Distillation
von: Ding, Ken
Veröffentlicht: (2026)

Bidirectional Distillation: A Mixed-Play Framework for Multi-Agent Generalizable Behaviors
von: Feng, Lang, et al.
Veröffentlicht: (2025)

Distilling Linearized Behavior into Non-Linear Fine-Tuning for Effective Task Arithmetic
von: Sommariva, Thomas, et al.
Veröffentlicht: (2026)

Policy Induction: Predicting Startup Success via Explainable Memory-Augmented In-Context Learning
von: Mu, Xianling, et al.
Veröffentlicht: (2025)

FlowDistill: Scalable Traffic Flow Prediction via Distillation from LLMs
von: Yu, Chenyang, et al.
Veröffentlicht: (2025)

Generating Synthetic Fair Syntax-agnostic Data by Learning and Distilling Fair Representation
von: Sikder, Md Fahim, et al.
Veröffentlicht: (2024)

Self-Predictive Representations for Combinatorial Generalization in Behavioral Cloning
von: Lawson, Daniel, et al.
Veröffentlicht: (2025)

Unlearning via Sparse Representations
von: Shah, Vedant, et al.
Veröffentlicht: (2023)

Reinforcement Learning via Self-Distillation
von: Hübotter, Jonas, et al.
Veröffentlicht: (2026)

TaxDistill: Improving Metagenomic Taxonomic Annotation via Distilled Genomic Foundation Models
von: Ye, Rongye, et al.
Veröffentlicht: (2026)

Program-Based Strategy Induction for Reinforcement Learning
von: Correa, Carlos G., et al.
Veröffentlicht: (2024)

Predictive Clustering of Vessel Behavior Based on Hierarchical Trajectory Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Amortized Active Causal Induction with Deep Reinforcement Learning
von: Annadani, Yashas, et al.
Veröffentlicht: (2024)

Differentiable Rule Induction from Raw Sequence Inputs
von: Gao, Kun, et al.
Veröffentlicht: (2026)

Interpretable Next-token Prediction via the Generalized Induction Head
von: Kim, Eunji, et al.
Veröffentlicht: (2024)

Model Merging via Multi-Teacher Knowledge Distillation
von: Dalili, Seyed Arshan, et al.
Veröffentlicht: (2025)

What happens when generative AI models train recursively on each others' outputs?
von: Vu, Hung Anh, et al.
Veröffentlicht: (2025)

Temporal Representations for Exploration: Learning Complex Exploratory Behavior without Extrinsic Rewards
von: Mohamed, Faisal, et al.
Veröffentlicht: (2026)

A Cross Modal Knowledge Distillation & Data Augmentation Recipe for Improving Transcriptomics Representations through Morphological Features
von: Bendidi, Ihab, et al.
Veröffentlicht: (2025)

Stream Aligner: Efficient Sentence-Level Alignment via Distribution Induction
von: Lou, Hantao, et al.
Veröffentlicht: (2025)

Cooperative Knowledge Distillation: A Learner Agnostic Approach
von: Livanos, Michael, et al.
Veröffentlicht: (2024)

Learning without Global Backpropagation via Synergistic Information Distillation
von: Ye, Chenhao, et al.
Veröffentlicht: (2025)

Data-Efficient Symbolic Regression via Foundation Model Distillation
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

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

Fair Dataset Distillation via Cross-Group Barycenter Alignment
von: Moslemi, Mohammad Hossein, et al.
Veröffentlicht: (2026)

Improve Knowledge Distillation via Label Revision and Data Selection
von: Lan, Weichao, et al.
Veröffentlicht: (2024)

VISTA: Validation-Informed Trajectory Adaptation via Self-Distillation
von: Corn, Eli, et al.
Veröffentlicht: (2026)

Preserving Node Distinctness in Graph Autoencoders via Similarity Distillation
von: Chen, Ge, et al.
Veröffentlicht: (2024)

Gaussian Match-and-Copy: A Minimalist Benchmark for Studying Transformer Induction
von: Gonon, Antoine, et al.
Veröffentlicht: (2026)

Fault Analysis And Predictive Maintenance Of Induction Motor Using Machine Learning
von: Venkatesh, Kavana, et al.
Veröffentlicht: (2024)

Speech Emotion Recognition with Distilled Prosodic and Linguistic Affect Representations
von: Shome, Debaditya, et al.
Veröffentlicht: (2023)