SynthSelf：用同系列较大模型合成自蒸馏实现小模型持续后训练
热点事件持续更新
SynthSelf：用同系列较大模型合成自蒸馏实现小模型持续后训练
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
论文作者提出SynthSelf，一种小模型持续后训练方法：把分布内改写任务交给同系列中略大的aligner，结合off-policy监督与拒绝采样，为小模型提供不破坏原始分布的高质量监督，以实现持续学习并减少遗忘。 基于论文摘要的评测结果：覆盖3种小模型规模，在4个获取数据集（含混合数据）和14个保持基准上，SynthSelf持续优于包括off-policy和on-policy蒸馏在内的6种对比方法。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
SynthSelf通过合成自蒸馏持续后训练小模型报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AISynthSelf通过合成自蒸馏持续后训练小模型
研究者提出SynthSelf，利用更大同系列aligner、off-policy监督和拒绝采样，为小模型提供不破坏原始分布的高质量监督，以实现持续学习并减少遗忘。基于论文摘要，SynthSelf在4个获取数据集和14个保持基准上、覆盖3种小模型规模，优于包括off-policy和on-policy蒸馏在内的6种方法。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。