研究者提出无需分类目标的数据集蒸馏新方法

1. 13:00
   arXiv cs.AI

   数据集蒸馏新方法 Drifting：无需分类目标即可逼近真实数据分布

   研究者提出数据集蒸馏新方法 Drifting，在特征提取器的隐空间中让合成样本同时向真实数据靠拢并彼此远离，全程不使用分类目标。该方法生成的蒸馏数据对真实分布的覆盖显著优于现有方法，同时仍是有效的分类训练样本，并可作为模型可视化工具、扩展至图像之外的模态。该工作已被 NeurIPS 2026 接收，并提出基于分布的指标作为补充评估。

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。