New MIT Tech Could Cut Oil Refining Energy by 90%
麻省理工学院的研究人员开发了一种新的膜，该膜将各种类型的燃料分为分子大小，有可能消除对原油蒸馏的能源密集型过程的需求。将原油变成汽油，柴油和加热油等日常燃料需要大量能量。实际上，此过程大约是6 [...]
我们提出了一项蒸馏缩放法，该法律根据计算预算及其在学生和教师之间的分配来估算蒸馏模型性能。我们的发现通过为教师和学生启用计算最佳分配，以最大程度地提高学生表现，从而减轻与大规模蒸馏有关的风险。我们为两个关键情况提供了最佳的蒸馏食谱：当老师已经存在以及老师需要培训时。在涉及许多学生或现有教师的设置中，蒸馏的表现优于监督到计算水平的学习……
Amazon Bedrock Model Distillation: Boost function calling accuracy while reducing cost and latency
在这篇文章中，我们强调了使用Meta的Llama模型家族中亚马逊基石模型蒸馏的高级数据增强技术和性能改进。该技术将知识从更大，功能强大的基础模型（FMS）转移到较小，更高效的模型（学生），创建在特定任务方面表现出色的专业模型。
Overcome Failing Document Ingestion & RAG Strategies with Agentic Knowledge Distillation
引入金字塔搜索方法邮政克服了未能通过代理知识蒸馏的文档摄入和抹布策略，首先出现在数据科学上。
A guide to Amazon Bedrock Model Distillation (preview)
这篇文章介绍了 Amazon Bedrock 模型蒸馏的工作流程。我们首先介绍 Amazon Bedrock 中模型蒸馏的一般概念，然后重点介绍模型蒸馏中的重要步骤，包括设置权限、选择模型、提供输入数据集、启动模型蒸馏作业以及在模型蒸馏后对学生模型进行评估和部署。
IEEE Transactions on Evolutionary Computation, Volume 28, Issue 3, June 2024
1) 特邀编辑进化神经架构搜索作者：Yanan Sun、Bing Xue、Mengjie Zhang、Gary G. Yen页数：566 - 5692) 多目标进化神经架构搜索的帕累托排序分类器作者：Lianbo Ma、Nan Li、Guo Yu、Xiaoyu Geng、Shi Cheng、Xingwei Wang、Min Huang、Yaochu Jin页数：570 - 5813) EGANS：用于零样本学习的进化生成对抗网络搜索作者：Shiming Chen、Shuhuang Chen、Wenjin Hou、Weiping Ding、Xinge You页数：582 - 5964) 用于医学
