Buchumschlag

Not All Instances Are Equally Valuable: Towards Influence-Weighted Dataset Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Qiyan, Zheng, Changqian, Qiao, Lianpeng, Wang, Yuping, Chai, Chengliang, Cao, Lei
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

Not All Explanations for Deep Learning Phenomena Are Equally Valuable
von: Jeffares, Alan, et al.
Veröffentlicht: (2025)

Handling Label Noise via Instance-Level Difficulty Modeling and Dynamic Optimization
von: Zhang, Kuan, et al.
Veröffentlicht: (2025)

Not All Timesteps Matter Equally: Selective Alignment Knowledge Distillation for Spiking Neural Networks
von: Sun, Kai, et al.
Veröffentlicht: (2026)

Equally Critical: Samples, Targets, and Their Mappings in Datasets
von: Yang, Runkang, et al.
Veröffentlicht: (2025)

Not All Turns Are Equally Hard: Adaptive Thinking Budgets For Efficient Multi-Turn Reasoning
von: Jali, Neharika, et al.
Veröffentlicht: (2026)

Not All Samples Should Be Utilized Equally: Towards Understanding and Improving Dataset Distillation
von: Wang, Shaobo, et al.
Veröffentlicht: (2024)

On Arbitrary Predictions from Equally Valid Models
von: Lockfisch, Sarah, et al.
Veröffentlicht: (2025)

Towards Mitigating Architecture Overfitting on Distilled Datasets
von: Zhong, Xuyang, et al.
Veröffentlicht: (2023)

Instance-level Randomization: Toward More Stable LLM Evaluations
von: Li, Yiyang, et al.
Veröffentlicht: (2025)

Restoring the Sweet Spot: Pass-Rate Weighted Self-Distillation for LLM Reasoning
von: Liu, Zehao, et al.
Veröffentlicht: (2026)

Prioritize Alignment in Dataset Distillation
von: Li, Zekai, et al.
Veröffentlicht: (2024)

Instance Temperature Knowledge Distillation
von: Zhang, Zhengbo, et al.
Veröffentlicht: (2024)

Adaptive Token-Weighted Differential Privacy for LLMs: Not All Tokens Require Equal Protection
von: Yu, Manjiang, et al.
Veröffentlicht: (2025)

Mode-Aware Non-Linear Tucker Autoencoder for Tensor-based Unsupervised Learning
von: Zheng, Junjing, et al.
Veröffentlicht: (2025)

Grounding and Enhancing Informativeness and Utility in Dataset Distillation
von: Wang, Shaobo, et al.
Veröffentlicht: (2026)

Dataset Distillation for Offline Reinforcement Learning
von: Light, Jonathan, et al.
Veröffentlicht: (2024)

Artificial Geographically Weighted Neural Network: A Novel Framework for Spatial Analysis with Geographically Weighted Layers
von: Cao, Jianfei, et al.
Veröffentlicht: (2025)

Uncertainty Calibration with Energy Based Instance-wise Scaling in the Wild Dataset
von: Kim, Mijoo, et al.
Veröffentlicht: (2024)

Diffusion-Inspired Cold Start with Sufficient Prior in Computerized Adaptive Testing
von: Ma, Haiping, et al.
Veröffentlicht: (2024)

When Are Teacher Tokens Reliable? Position-Weighted On-Policy Self-Distillation for Reasoning
von: Liu, Xiaogeng, et al.
Veröffentlicht: (2026)

Temporal-Aware Graph Attention Network for Cryptocurrency Transaction Fraud Detection
von: Zheng, Zhi, et al.
Veröffentlicht: (2025)

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

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

Hummer: Towards Limited Competitive Preference Dataset
von: Jiang, Li, et al.
Veröffentlicht: (2024)

Soft Weighted Machine Unlearning
von: Qiao, Xinbao, et al.
Veröffentlicht: (2025)

Digital Twin-Driven Zero-Shot Fault Diagnosis of Axial Piston Pumps Using Fluid-Borne Noise Signals
von: Dong, Chang, et al.
Veröffentlicht: (2025)

DDTime: Dataset Distillation with Spectral Alignment and Information Bottleneck for Time-Series Forecasting
von: Li, Yuqi, et al.
Veröffentlicht: (2025)

Graph-Based Feature Augmentation for Predictive Tasks on Relational Datasets
von: Qiao, Lianpeng, et al.
Veröffentlicht: (2025)

Revisiting Knowledge Distillation: The Hidden Role of Dataset Size
von: Lanzillotta, Giulia, et al.
Veröffentlicht: (2025)

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

Influence Functions for Preference Dataset Pruning
von: Fein, Daniel, et al.
Veröffentlicht: (2025)

LEAD: Iterative Data Selection for Efficient LLM Instruction Tuning
von: Lin, Xiaotian, et al.
Veröffentlicht: (2025)

Context Distillation as Latent Memory Management
von: Zheng, Ziyang, et al.
Veröffentlicht: (2026)

QuickDrop: Efficient Federated Unlearning by Integrated Dataset Distillation
von: Dhasade, Akash, et al.
Veröffentlicht: (2023)

Personalized Federated Dictionary Learning for Modeling Heterogeneity in Multi-site fMRI Data
von: Zhang, Yipu, et al.
Veröffentlicht: (2025)

AdaKD: Dynamic Knowledge Distillation of ASR models using Adaptive Loss Weighting
von: Ganguly, Shreyan, et al.
Veröffentlicht: (2024)

Dataset Distillation-based Hybrid Federated Learning on Non-IID Data
von: Shi, Xiufang, et al.
Veröffentlicht: (2024)

Live or Lie: Action-Aware Capsule Multiple Instance Learning for Risk Assessment in Live Streaming Platforms
von: Qiao, Yiran, et al.
Veröffentlicht: (2026)

SCOPE: Signal-Calibrated On-Policy Distillation Enhancement with Dual-Path Adaptive Weighting
von: Zheng, Binbin, et al.
Veröffentlicht: (2026)

HFedCKD: Toward Robust Heterogeneous Federated Learning via Data-free Knowledge Distillation and Two-way Contrast
von: Zheng, Yiting, et al.
Veröffentlicht: (2025)