A Study on Hidden Layer Distillation for Large Language Model Pre-Training
Fuente:
arXiv
Salvato in:
| Autori principali: | Guigon, Maxime, Dixon, Lucas, Sander, Michaël E. |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Patchscopes: A Unifying Framework for Inspecting Hidden Representations of Language Models
di: Ghandeharioun, Asma, et al.
Pubblicazione: (2024)
di: Ghandeharioun, Asma, et al.
Pubblicazione: (2024)
Pre-training Distillation for Large Language Models: A Design Space Exploration
di: Peng, Hao, et al.
Pubblicazione: (2024)
di: Peng, Hao, et al.
Pubblicazione: (2024)
Layer by Layer: Uncovering Hidden Representations in Language Models
di: Skean, Oscar, et al.
Pubblicazione: (2025)
di: Skean, Oscar, et al.
Pubblicazione: (2025)
Legal Documents Drafting with Fine-Tuned Pre-Trained Large Language Model
di: Lin, Chun-Hsien, et al.
Pubblicazione: (2024)
di: Lin, Chun-Hsien, et al.
Pubblicazione: (2024)
Embedding-to-Prefix: Parameter-Efficient Personalization for Pre-Trained Large Language Models
di: Huber, Bernd, et al.
Pubblicazione: (2025)
di: Huber, Bernd, et al.
Pubblicazione: (2025)
Bounded Hyperbolic Tangent: A Stable and Efficient Alternative to Pre-Layer Normalization in Large Language Models
di: Byun, Hoyoon, et al.
Pubblicazione: (2025)
di: Byun, Hoyoon, et al.
Pubblicazione: (2025)
Evolution of Concepts in Language Model Pre-Training
di: Ge, Xuyang, et al.
Pubblicazione: (2025)
di: Ge, Xuyang, et al.
Pubblicazione: (2025)
Construction of Hyper-Relational Knowledge Graphs Using Pre-Trained Large Language Models
di: Datta, Preetha, et al.
Pubblicazione: (2024)
di: Datta, Preetha, et al.
Pubblicazione: (2024)
Learning Dynamics in Continual Pre-Training for Large Language Models
di: Wang, Xingjin, et al.
Pubblicazione: (2025)
di: Wang, Xingjin, et al.
Pubblicazione: (2025)
Pre-Trained Language Models for Keyphrase Prediction: A Review
di: Umair, Muhammad, et al.
Pubblicazione: (2024)
di: Umair, Muhammad, et al.
Pubblicazione: (2024)
Amuro and Char: Analyzing the Relationship between Pre-Training and Fine-Tuning of Large Language Models
di: Sun, Kaiser, et al.
Pubblicazione: (2024)
di: Sun, Kaiser, et al.
Pubblicazione: (2024)
Revealing the Inherent Instructability of Pre-Trained Language Models
di: An, Seokhyun, et al.
Pubblicazione: (2024)
di: An, Seokhyun, et al.
Pubblicazione: (2024)
Date Fragments: A Hidden Bottleneck of Tokenization for Temporal Reasoning
di: Bhatia, Gagan, et al.
Pubblicazione: (2025)
di: Bhatia, Gagan, et al.
Pubblicazione: (2025)
EasyDistill: A Comprehensive Toolkit for Effective Knowledge Distillation of Large Language Models
di: Wang, Chengyu, et al.
Pubblicazione: (2025)
di: Wang, Chengyu, et al.
Pubblicazione: (2025)
Group-SAE: Efficient Training of Sparse Autoencoders for Large Language Models via Layer Groups
di: Ghilardi, Davide, et al.
Pubblicazione: (2024)
di: Ghilardi, Davide, et al.
Pubblicazione: (2024)
Pre-Training Curriculum for Multi-Token Prediction in Language Models
di: Aynetdinov, Ansar, et al.
Pubblicazione: (2025)
di: Aynetdinov, Ansar, et al.
Pubblicazione: (2025)
Dual-Space Knowledge Distillation for Large Language Models
di: Zhang, Songming, et al.
Pubblicazione: (2024)
di: Zhang, Songming, et al.
Pubblicazione: (2024)
MiniLLM: On-Policy Distillation of Large Language Models
di: Gu, Yuxian, et al.
Pubblicazione: (2023)
di: Gu, Yuxian, et al.
Pubblicazione: (2023)
Black-Box On-Policy Distillation of Large Language Models
di: Ye, Tianzhu, et al.
Pubblicazione: (2025)
di: Ye, Tianzhu, et al.
Pubblicazione: (2025)
Revisiting Replay and Gradient Alignment for Continual Pre-Training of Large Language Models
di: Abbes, Istabrak, et al.
Pubblicazione: (2025)
di: Abbes, Istabrak, et al.
Pubblicazione: (2025)
Gecko: Versatile Text Embeddings Distilled from Large Language Models
di: Lee, Jinhyuk, et al.
Pubblicazione: (2024)
di: Lee, Jinhyuk, et al.
Pubblicazione: (2024)
MLLM-Microscope: Unlocking Hidden Structure Within Multimodal Large Language Models
di: Mussabayev, Ravil, et al.
Pubblicazione: (2026)
di: Mussabayev, Ravil, et al.
Pubblicazione: (2026)
Mitigating Hidden Confounding by Progressive Confounder Imputation via Large Language Models
di: Yang, Hao, et al.
Pubblicazione: (2025)
di: Yang, Hao, et al.
Pubblicazione: (2025)
CORE: A Conceptual Reasoning Layer for Large Language Models
di: Hegde, Vishwas, et al.
Pubblicazione: (2025)
di: Hegde, Vishwas, et al.
Pubblicazione: (2025)
Cross-Modal Knowledge Distillation for Speech Large Language Models
di: Wang, Enzhi, et al.
Pubblicazione: (2025)
di: Wang, Enzhi, et al.
Pubblicazione: (2025)
ELAD: Explanation-Guided Large Language Models Active Distillation
di: Zhang, Yifei, et al.
Pubblicazione: (2024)
di: Zhang, Yifei, et al.
Pubblicazione: (2024)
Distilling Event Sequence Knowledge From Large Language Models
di: Wadhwa, Somin, et al.
Pubblicazione: (2024)
di: Wadhwa, Somin, et al.
Pubblicazione: (2024)
Crown, Frame, Reverse: Layer-Wise Scaling Variants for LLM Pre-Training
di: Baroian, Andrei, et al.
Pubblicazione: (2025)
di: Baroian, Andrei, et al.
Pubblicazione: (2025)
PLaD: Preference-based Large Language Model Distillation with Pseudo-Preference Pairs
di: Zhang, Rongzhi, et al.
Pubblicazione: (2024)
di: Zhang, Rongzhi, et al.
Pubblicazione: (2024)
Outlier-Safe Pre-Training for Robust 4-Bit Quantization of Large Language Models
di: Park, Jungwoo, et al.
Pubblicazione: (2025)
di: Park, Jungwoo, et al.
Pubblicazione: (2025)
Pre-trained Large Language Models for Financial Sentiment Analysis
di: Luo, Wei, et al.
Pubblicazione: (2024)
di: Luo, Wei, et al.
Pubblicazione: (2024)
Spike No More: Stabilizing the Pre-training of Large Language Models
di: Takase, Sho, et al.
Pubblicazione: (2023)
di: Takase, Sho, et al.
Pubblicazione: (2023)
"According to ...": Prompting Language Models Improves Quoting from Pre-Training Data
di: Weller, Orion, et al.
Pubblicazione: (2023)
di: Weller, Orion, et al.
Pubblicazione: (2023)
Spatiotemporal Hidden-State Dynamics as a Signature of Internal Reasoning in Large Language Models
di: Furuya, Kotaro, et al.
Pubblicazione: (2026)
di: Furuya, Kotaro, et al.
Pubblicazione: (2026)
Expediting and Elevating Large Language Model Reasoning via Hidden Chain-of-Thought Decoding
di: Liu, Tianqiao, et al.
Pubblicazione: (2024)
di: Liu, Tianqiao, et al.
Pubblicazione: (2024)
Dual-objective Language Models: Training Efficiency Without Overfitting
di: Samuel, David, et al.
Pubblicazione: (2025)
di: Samuel, David, et al.
Pubblicazione: (2025)
Unraveling Emotions with Pre-Trained Models
di: Pajón-Sanmartín, Alejandro, et al.
Pubblicazione: (2025)
di: Pajón-Sanmartín, Alejandro, et al.
Pubblicazione: (2025)
BayesPrompt: Prompting Large-Scale Pre-Trained Language Models on Few-shot Inference via Debiased Domain Abstraction
di: Li, Jiangmeng, et al.
Pubblicazione: (2024)
di: Li, Jiangmeng, et al.
Pubblicazione: (2024)
ReAD: Reinforcement-Guided Capability Distillation for Large Language Models
di: Cheng, Xueqi, et al.
Pubblicazione: (2026)
di: Cheng, Xueqi, et al.
Pubblicazione: (2026)
A Multi-Layered Large Language Model Framework for Disease Prediction
di: Mohamed, Malak, et al.
Pubblicazione: (2025)
di: Mohamed, Malak, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Patchscopes: A Unifying Framework for Inspecting Hidden Representations of Language Models
di: Ghandeharioun, Asma, et al.
Pubblicazione: (2024) -
Pre-training Distillation for Large Language Models: A Design Space Exploration
di: Peng, Hao, et al.
Pubblicazione: (2024) -
Layer by Layer: Uncovering Hidden Representations in Language Models
di: Skean, Oscar, et al.
Pubblicazione: (2025) -
Legal Documents Drafting with Fine-Tuned Pre-Trained Large Language Model
di: Lin, Chun-Hsien, et al.
Pubblicazione: (2024) -
Embedding-to-Prefix: Parameter-Efficient Personalization for Pre-Trained Large Language Models
di: Huber, Bernd, et al.
Pubblicazione: (2025)