PCoreSet：主动学习结合VLM知识蒸馏的选样方法

Seongjae Kang 等研究者提出 ActiveKD 框架和 PCoreSet 选样策略，将主动学习与知识蒸馏结合，利用大型视觉语言模型（VLM）的零样本和少样本能力辅助标注样本选择。PCoreSet 的特点是改在概率空间而非特征空间最大化覆盖，选出概率多样的未标注样本。 论文称，在 11 个数据集上的评估显示 ActiveKD 使各种选样方法都优于无蒸馏基线；在 5 种学生模型和 3 种教师模型的组合中，PCoreSet 是唯一始终优于随机选样的选择器。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。