SLaM: Student-Label Mixing for Distillation with Unlabeled Examples

文章链接：

SLaM NIPS2023

Background:

Distillation with Unlabeled Examples:

1. 首先用一个小的人类标注的“golden”dataset 来训练或者fine-tuned 一个large teacher model；
2. 然后用这个teacher model 对一个大的unlabeled dataset 生成相应的“soft pseudo labels”;
3. 然后将labeled dataset 和 soft pseudo labels dataset结合起来，共同去训练student model;

Motivation:

1. 以往的这个paradiam在训练student model的时候，并没有获取teacher model的信息(knowledge), 仅仅用pseudo labels的信息，而这个“bulk inference”的过程(生成pseudo labels)是time-consuming；
2. 同时在训练student model的时候