PulseAugur
中
实时 09:24:48
English(EN) Pathryoshka: Compressing Pathology Foundation Models via Multi-Teacher Knowledge Distillation with Nested Embeddings

Pathryoshka框架压缩病理模型，提升可及性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Pathryoshka，一个用于压缩大型病理基础模型的新框架。这种受RADIO蒸馏和Matryoshka表示学习启发的、多教师知识蒸馏方法，在保持与大型模型相当的性能的同时，显著减小了模型尺寸（86-92%）。Pathryoshka的表现也优于现有的单教师蒸馏方法，中位数准确率提升了7.0。该框架能够适应嵌入维度，从而实现高效的本地部署，使更广泛的社区能够获得先进的计算病理学。 AI

影响 通过降低部署的计算要求，使更广泛的受众能够使用强大的病理AI模型。

排序理由 该集群描述了一篇关于压缩AI模型的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Pathryoshka框架压缩病理模型，提升可及性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Christian Grashei, Christian Brechenmacher, Rao Muhammad Umer, Jingsong Liu, Carsten Marr, Ewa Szczurek, Peter J. Sch\"uffler ·

    Pathryoshka：通过嵌套嵌入的多教师知识蒸馏压缩病理基础模型

    arXiv:2511.23204v2 Announce Type: replace Abstract: Pathology foundation models (FMs) have driven significant progress in computational pathology. However, these high-performing models can easily exceed a billion parameters and produce high-dimensional embeddings, thus limiting t…

相关实体

相关话题