Improving Reasoning Capabilities in Small Models through Mixture-of-Layers Distillation with Stepwise Attention on Key Information

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Chen, Yao, Sheng, Jiawei, Zhang, Wenyuan, Liu, Tingwen
Formato:	Preprint
Publicado:	2026
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.15701