<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Model Efficiency on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/model-efficiency/</link><description>Recent content in Model Efficiency on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/model-efficiency/index.xml" rel="self" type="application/rss+xml"/><item><title>知识蒸馏</title><link>https://terms-en.ai-term-hub.com/zh/terms/distillation/</link><pubDate>Sat, 18 Jul 2026 10:50:42 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/distillation/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>这一过程涉及将知识从复杂的高性能“教师”神经网络转移到更简单、高效的“学生”网络中。学生不仅从硬标签中学习，还从软标签（即教师模型的输出概率分布）中学习，从而捕捉更丰富的信息。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>知识蒸馏是一种模型压缩技术，其中较小的学生模型通过学习模仿较大的教师模型的行为来工作。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>师生架构&lt;/li>
&lt;li>软目标&lt;/li>
&lt;li>模型压缩&lt;/li>
&lt;li>推理效率&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>在移动设备上部署大型语言模型&lt;/li>
&lt;li>降低实时计算机视觉应用中的延迟&lt;/li>
&lt;li>优化边缘计算环境中的深度学习模型&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/%E9%87%8F%E5%8C%96-quantization/">量化 (Quantization)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/%E5%89%AA%E6%9E%9D-pruning/">剪枝 (Pruning)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0-transfer-learning/">迁移学习 (Transfer Learning)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2-neural-architecture-search/">神经架构搜索 (Neural Architecture Search)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>