Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Distillation de connaissances pour compresser un LLM v1.0.0

Utilisez cette ressource pour compresser un grand modèle de langage en modèle plus petit en gardant ses performances

Nouveau

  • 545 téléchargements
  • 168 mentions J'aime
  • 223 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install llm-knowledge-distillation-compression

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent met en place une boucle de distillation entre un modèle enseignant et un modèle élève : chargement des deux modèles, fonction de perte et boucle d'entraînement. Vous obtenez le code de distillation et le choix de la stratégie, perte logit ou KL inverse MiniLLM.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Distillation de connaissances pour compresser un LLM »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : méthode, installation et boucle d'entraînement
  • references/minillm.md : distillation MiniLLM par KL inverse

Pour qui

  • Vous voulez réduire le coût d'inférence d'un modèle sans perdre trop de qualité
  • Vous transférez les réponses d'un grand modèle vers un modèle open source

Pas pour qui

    Étiquettes

    • distillation
    • compression
    • LLM
    • coût d'inférence

    À propos

    Vous dites

    « Distille mon modèle enseignant de 70 milliards de paramètres vers un élève de 7 milliards. »

    Carte de la skill « Distillation de connaissances pour compresser un LLM »

    Skill publiée par Orchestra Research sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de compresser un grand modèle de langage en modèle plus petit en gardant ses performances
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • references/minillm.md9,2 Ko
    • SKILL.md13,7 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Orchestra Research
    Source
    github.com/orchestra-research/ai-research-skills/tree/773a52944ba4747a18bd4ae9ade53fff041adcbc/19-emerging-techniques/knowledge-distillation
    Licence
    MIT

    Notice

    « knowledge-distillation » (Orchestra Research, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.