bluemsi/2nd
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

Browse Source
This commit is contained in:
Antigravity Agent
2026-05-02 09:18:34 +09:00
parent c84dcb8371
commit 6445fcc05b
13150 changed files with 55394 additions and 100862 deletions
Download Patch File Download Diff File Expand all files Collapse all files
10_Wiki/Topics_GD/Data Distillation (데이터 증류).md
+6 -6
View File
@@ -1,12 +1,12 @@
---
id: [[P-Reinforce]]-AUTO-DDIS-001
id: [[P-Reinforce|P-Reinforce]]-AUTO-DDIS-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.93
tags: [auto-reinforced, data-[[Distillation]], machine-learning, [[Model-Compression]], [[Efficiency]], dataset-synthesis]
tags: [auto-reinforced, data-[[Distillation|Distillation]], machine-learning, [[Model-Compression|Model-Compression]], [[Efficiency|Efficiency]], dataset-synthesis]
last_reinforced: 2026-04-20
---
# [[Data Distillation (데이터 증류)]]
# [[Data Distillation (데이터 증류)|Data Distillation (데이터 증류)]]
## 📌 한 줄 통찰 (The Karpathy Summary)
> "데이터의 에스프레소 추출: 1,000개의 이미지로 공부해야 할 지식을 단 10개의 '증류된 이미지'에 함축함으로써, 손바닥만 한 데이터셋만으로도 거대한 모델을 가르칠 수 있게 만드는 고밀도 정보 압축의 기술."
@@ -18,8 +18,8 @@ last_reinforced: 2026-04-20
* 전체 데이터로 학습한 '스승 모델(Teacher)'의 행동 패턴이나 그래디언트 정보를 보존하면서, 아주 작은 '가공된 데이터셋'을 생성.
* 이 증류된 데이터로 학습한 '제자 모델(Student)'이 전체 데이터로 학습한 효과와 유사한 성능을 내도록 최적화.
2. **왜 중요한가?**:
* **[[Storage]] Efficiency**: 방대한 데이터를 보관할 필요가 없음.
* **Training Speed**: 데이터 양이 적으므로 학습 시간이 극적으로 단축됨. ([[Optimization]]과 연결)
* **[[Storage|Storage]] Efficiency**: 방대한 데이터를 보관할 필요가 없음.
* **Training Speed**: 데이터 양이 적으므로 학습 시간이 극적으로 단축됨. ([[Optimization|Optimization]]과 연결)
* **Privacy**: 원본 데이터를 직접 사용하지 않고 가공된 정보만 사용하므로 보안에 유리함.
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
- **정책 변화(RL Update)**: 최근에는 LLM을 이용해 고품질의 합성 데이터를 생성하고 이를 다시 소형 모델 학습에 사용하는 '자기 증류(Self-distillation) 정책'이 소형 모델(sLLM) 전략의 핵심 정책이 됨.
## 🔗 지식 연결 (Graph)
- [[Big-Data]], [[Optimization]], [[Efficiency]], [[Model-Compression]], [[CV_Synthesis]]
- [[Big-Data|Big-Data]], [[Optimization|Optimization]], [[Efficiency|Efficiency]], [[Model-Compression|Model-Compression]], [[CV_Synthesis|CV_Synthesis]]
- **Modern Tech/Tools**: Dataset Distillation techniques (Matching Gradients), Synthetic datasets.
---