DisaggKD, bilgi damıtmasında öğretmen ve öğrenci modellerini farklı düğümlere dağıtarak bellek kısıtlamalarını aşan bir yöntem sunar. Tam sözlük logitlerini oluşturmadan tam sözlük kaybına eşdeğer sonuç veren birleşik bir kayıp fonksiyonu kullanır. Qwen3.5-35B-A3B'den 9B'ye damıtma testinde, yerleşik çalıştırmayla aynı dil modeli kaybını elde ederken daha hızlı eğitim sağladı. Büyük model çiftlerinde, yerleşik düzen bellek hatası verirken ayrık düzen eğitim yapabildi.
arXiv1 dk okuma
1–1 / 1 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.
