PulseAugur
中
实时 06:51:39
实体 Distill Globally, Adapt Locally: Reasoning Distillation and Product-Type Test-Time Training for Scalable Trade-Up Recommendation

Distill Globally, Adapt Locally: Reasoning Distillation and Product-Type Test-Time Training for Scalable Trade-Up Recommendation

PulseAugur coverage of Distill Globally, Adapt Locally: Reasoning Distillation and Product-Type Test-Time Training for Scalable Trade-Up Recommendation — every cluster mentioning Distill Globally, Adapt Locally: Reasoning Distillation and Product-Type Test-Time Training for Scalable Trade-Up Recommendation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_239477 ·

    新框架蒸馏大语言模型推理，实现高效升档推荐

    研究人员开发了一种新颖的两级框架用于升档推荐，该框架将大语言模型（LLM）的推理能力蒸馏到一个高效的学生模型中。第一级使用LLM教师生成结构化标签和推理过程，然后指导一个紧凑的嵌入对分类器。这个蒸馏的学生模型达到了0.924的AUC，显著优于仅使用标签的学生模型。第二级，产品类型测试时训练（PT-TTT），进一步优化了特定类别的适配器，将AUC提升至0.941，平均精度提升至0.940。与直接应用LLM相比，这种方法大大降低了计算成本和推理时间。