实体
Synthetic Data Distillation
Synthetic Data Distillation
PulseAugur coverage of Synthetic Data Distillation — every cluster mentioning Synthetic Data Distillation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
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
最近 · 第 1/1 页 · 共 2 条
-
新方法加速时间序列基础模型的训练
研究人员推出了一种用于时间序列基础模型（TSFM）的新型训练目标——合成数据蒸馏（SDD）。SDD通过将TSFM的输出与合成轨迹的条件预测分布进行比较，而不是仅仅与实际的未来值进行比较，来增强预训练。这种方法是一种Rao-Blackwellization形式，已在从400万到25亿参数不等的TSFM上进行了实证验证。结果表明，SDD能够更快地收敛验证损失，并且需要的训练迭代次数更少，在Gaussian Process数据上达到了相当或更优的性能。
-
AI 推理有望通过硬件、量化和合成数据实现 3000 倍加速
Latent Space 播客（特色节目为“The AI Engineer Podcast”）讨论了 AI 推理效率的重大进展。对话强调了硬件改进、量化技术和合成数据蒸馏如何共同带来速度提高 3000 倍、成本更低、性能更好的 AI 系统。这些创新有望使 AI 更易于访问和更强大。