Geometric Limits of Knowledge Distillation: A Minimum-Width Theorem via Superposition Theory
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Sarkar, Nilesh, Deka, Dawar Jyoti |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Causal Dimensionality of Transformer Representations: Measurement, Scaling, and Layer Structure
par: Sarkar, Nilesh, et autres
Publié: (2026)
par: Sarkar, Nilesh, et autres
Publié: (2026)
Spectral Superposition: A Theory of Feature Geometry
par: Ivanov, Georgi, et autres
Publié: (2026)
par: Ivanov, Georgi, et autres
Publié: (2026)
The Graphon Limit Hypothesis: Understanding Neural Network Pruning via Infinite Width Analysis
par: Pham, Hoang, et autres
Publié: (2025)
par: Pham, Hoang, et autres
Publié: (2025)
Oh! We Freeze: Improving Quantized Knowledge Distillation via Signal Propagation Analysis for Large Language Models
par: Bhardwaj, Kartikeya, et autres
Publié: (2024)
par: Bhardwaj, Kartikeya, et autres
Publié: (2024)
Class Incremental Fault Diagnosis under Limited Fault Data via Supervised Contrastive Knowledge Distillation
par: Zhang, Hanrong, et autres
Publié: (2025)
par: Zhang, Hanrong, et autres
Publié: (2025)
Understanding Emergent Misalignment via Feature Superposition Geometry
par: Minegishi, Gouki, et autres
Publié: (2026)
par: Minegishi, Gouki, et autres
Publié: (2026)
Superposition in Graph Neural Networks
par: Pertl, Lukas, et autres
Publié: (2025)
par: Pertl, Lukas, et autres
Publié: (2025)
Sparsity and Superposition in Mixture of Experts
par: Chaudhari, Marmik, et autres
Publié: (2025)
par: Chaudhari, Marmik, et autres
Publié: (2025)
Mathematical Models of Computation in Superposition
par: Hänni, Kaarel, et autres
Publié: (2024)
par: Hänni, Kaarel, et autres
Publié: (2024)
Low-Dimensional Federated Knowledge Graph Embedding via Knowledge Distillation
par: Zhang, Xiaoxiong, et autres
Publié: (2024)
par: Zhang, Xiaoxiong, et autres
Publié: (2024)
Model Merging via Multi-Teacher Knowledge Distillation
par: Dalili, Seyed Arshan, et autres
Publié: (2025)
par: Dalili, Seyed Arshan, et autres
Publié: (2025)
On Implications of Scaling Laws on Feature Superposition
par: Katta, Pavan
Publié: (2024)
par: Katta, Pavan
Publié: (2024)
Virtual Width Networks
par: Seed, et autres
Publié: (2025)
par: Seed, et autres
Publié: (2025)
Mixture of Universal Experts: Scaling Virtual Width via Depth-Width Transformation
par: Chen, Yilong, et autres
Publié: (2026)
par: Chen, Yilong, et autres
Publié: (2026)
Improve Knowledge Distillation via Label Revision and Data Selection
par: Lan, Weichao, et autres
Publié: (2024)
par: Lan, Weichao, et autres
Publié: (2024)
Enhancing Transformer with GNN Structural Knowledge via Distillation: A Novel Approach
par: Duan, Zhihua, et autres
Publié: (2025)
par: Duan, Zhihua, et autres
Publié: (2025)
Representer Theorems for Metric and Preference Learning: Geometric Insights and Algorithms
par: Morteza, Peyman
Publié: (2023)
par: Morteza, Peyman
Publié: (2023)
DistillSpec: Improving Speculative Decoding via Knowledge Distillation
par: Zhou, Yongchao, et autres
Publié: (2023)
par: Zhou, Yongchao, et autres
Publié: (2023)
Enhancing Graph Neural Networks with Limited Labeled Data by Actively Distilling Knowledge from Large Language Models
par: Li, Quan, et autres
Publié: (2024)
par: Li, Quan, et autres
Publié: (2024)
Teach Me to Trick: Exploring Adversarial Transferability via Knowledge Distillation
par: Pradhan, Siddhartha, et autres
Publié: (2025)
par: Pradhan, Siddhartha, et autres
Publié: (2025)
Post-Pruning Accuracy Recovery via Data-Free Knowledge Distillation
par: Tripurwar, Chinmay, et autres
Publié: (2025)
par: Tripurwar, Chinmay, et autres
Publié: (2025)
Adaptive Width Neural Networks
par: Errica, Federico, et autres
Publié: (2025)
par: Errica, Federico, et autres
Publié: (2025)
Emergence of Frontier Superposition: Möbius attractor and Cascade Supervision
par: Gu, Hongyu, et autres
Publié: (2026)
par: Gu, Hongyu, et autres
Publié: (2026)
Efficient Epistemic Uncertainty Estimation for Large Language Models via Knowledge Distillation
par: Park, Seonghyeon, et autres
Publié: (2026)
par: Park, Seonghyeon, et autres
Publié: (2026)
GLiRA: Black-Box Membership Inference Attack via Knowledge Distillation
par: Galichin, Andrey V., et autres
Publié: (2024)
par: Galichin, Andrey V., et autres
Publié: (2024)
Improving Group Fairness in Knowledge Distillation via Laplace Approximation of Early Exits
par: Fasth, Edvin, et autres
Publié: (2025)
par: Fasth, Edvin, et autres
Publié: (2025)
Graph Knowledge Distillation to Mixture of Experts
par: Rumiantsev, Pavel, et autres
Publié: (2024)
par: Rumiantsev, Pavel, et autres
Publié: (2024)
Dynamic Temperature Scheduler for Knowledge Distillation
par: Islam, Sibgat Ul, et autres
Publié: (2025)
par: Islam, Sibgat Ul, et autres
Publié: (2025)
Membership and Memorization in LLM Knowledge Distillation
par: Zhang, Ziqi, et autres
Publié: (2025)
par: Zhang, Ziqi, et autres
Publié: (2025)
A Functional Perspective on Knowledge Distillation in Neural Networks
par: Mason-Williams, Israel, et autres
Publié: (2025)
par: Mason-Williams, Israel, et autres
Publié: (2025)
Cooperative Knowledge Distillation: A Learner Agnostic Approach
par: Livanos, Michael, et autres
Publié: (2024)
par: Livanos, Michael, et autres
Publié: (2024)
Efficient Knowledge Distillation via Curriculum Extraction
par: Gupta, Shivam, et autres
Publié: (2025)
par: Gupta, Shivam, et autres
Publié: (2025)
On the Diminishing Returns of Width for Continual Learning
par: Guha, Etash, et autres
Publié: (2024)
par: Guha, Etash, et autres
Publié: (2024)
Geometric Kolmogorov-Arnold Superposition Theorem
par: Alesiani, Francesco, et autres
Publié: (2025)
par: Alesiani, Francesco, et autres
Publié: (2025)
RanDeS: Randomized Delta Superposition for Multi-Model Compression
par: Zhou, Hangyu, et autres
Publié: (2025)
par: Zhou, Hangyu, et autres
Publié: (2025)
Knowledge Distillation Must Account for What It Loses
par: Wang, Wenshuo
Publié: (2026)
par: Wang, Wenshuo
Publié: (2026)
Reinforcement-aware Knowledge Distillation for LLM Reasoning
par: Zhang, Zhaoyang, et autres
Publié: (2026)
par: Zhang, Zhaoyang, et autres
Publié: (2026)
Collaborative Adaptive Curriculum for Progressive Knowledge Distillation
par: Liu, Jing, et autres
Publié: (2026)
par: Liu, Jing, et autres
Publié: (2026)
A Note on Knowledge Distillation Loss Function for Object Classification
par: Chen, Defang
Publié: (2021)
par: Chen, Defang
Publié: (2021)
Multi-Teacher Knowledge Distillation via Teacher-Informed Mixture Priors
par: Fang, Luyang, et autres
Publié: (2026)
par: Fang, Luyang, et autres
Publié: (2026)
Documents similaires
-
Causal Dimensionality of Transformer Representations: Measurement, Scaling, and Layer Structure
par: Sarkar, Nilesh, et autres
Publié: (2026) -
Spectral Superposition: A Theory of Feature Geometry
par: Ivanov, Georgi, et autres
Publié: (2026) -
The Graphon Limit Hypothesis: Understanding Neural Network Pruning via Infinite Width Analysis
par: Pham, Hoang, et autres
Publié: (2025) -
Oh! We Freeze: Improving Quantized Knowledge Distillation via Signal Propagation Analysis for Large Language Models
par: Bhardwaj, Kartikeya, et autres
Publié: (2024) -
Class Incremental Fault Diagnosis under Limited Fault Data via Supervised Contrastive Knowledge Distillation
par: Zhang, Hanrong, et autres
Publié: (2025)