← Recherche

Knowledge distillation for LLMs: compress teachers into small capable students
IA 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit 773a529
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
⚙ Prérequis: Python avec PyTorch et transformers…

Knowledge distillation for LLMs: compress teachers into small capable students

Temperature scaling et soft targets, KLD forward vs reverse (MiniLLM), distillation de logits et de réponses, setups multi-teachers, et script d'entraînement de production avec règles empiriques d'hyperparamètres

L’essentiel
Quoi
Temperature scaling et soft targets, KLD forward vs reverse (MiniLLM), distillation de logits et de réponses, setups multi-teachers, et script d'entraînement de production avec règles empiriques d'hyperparamètres
Coût
Gratuit
Prérequis
Python avec PyTorch et transformers, compute GPU pour l'entraînement, et accès à un modèle teacher à distiller (vérifier les conditions d'utilisation du teacher avant de distiller depuis des modèles propriétaires)
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

Knowledge distillation for LLMs est un skill gratuit pour Muse et un workflow complet pour compresser de gros LLM en petits modèles déployables. Il couvre le temperature scaling et les soft targets, la divergence KL forward ou reverse, la distillation de logits et de réponses, les setups multi-teachers, et un script d'entraînement de production avec règles empiriques d'hyperparamètres.

⌁

Installation

Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 773a529

Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python avec PyTorch et transformers, compute GPU pour l'entraînement, et accès à un modèle teacher à distiller (vérifier les conditions d'utilisation du teacher avant de distiller depuis des modèles propriétaires) Installe-moi « Distillation de connaissances pour LLM : compresser les teachers en petits students capables ». Il donne à mon agent le manuel de distillation de @orchestra-research : temperature scaling et combinaison de loss soft/hard, KLD forward vs reverse (MiniLLM), distillation de logits et de réponses, stratégies multi-teachers et two-stage, un DistillationTrainer de production, règles empiriques d'hyperparamètres, et un pattern d'évaluation teacher-vs-student. Licence MIT. Dépôt : https://raw.githubusercontent.com/orchestra-research/ai-research-skills/773a52944ba4747a18bd4ae9ade53fff041adcbc/19-emerging-techniques/knowledge-distillation/SKILL.md Version épinglée : installe le code au commit 773a52944ba4747a18bd4ae9ade53fff041adcbc exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « knowledge-distillation ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. confirmer le compute GPU et choisir la paire teacher/student plus le mix de données (généré par le teacher + réel) ; vérifier que les conditions du teacher autorisent la distillation ; valider les affirmations de compression sur mon propre jeu d'évaluation). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.

🔒 Sécurité, provenance et ce que ça touche
🧭 Ce que ça touche
D’après le prompt d’installation que nous avons analysé, ce skill ne lance pas de commandes, ne fait pas d’appels réseau à des tiers, n’installe pas de paquets, n’écrit pas de fichiers et ne demande pas de clés API.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit 773a529 · 2026-10-13
🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026
👁 Observé pendant le test d’installation · 11 nov. 2026 : aucun contact réseau
🔎 Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Envie d'être encore plus prudent ?

Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?

Comment vérifier un skill avant de l’installer →

✓

Certificat de vérification

Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.

Version épinglée
773a529 · 2026-10-13
Test d’installation en sandbox
Installation exécutée dans notre sandbox de test · 11 nov. 2026
Identité du créateur
Non vérifiée
Veille d’empreinte
Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Analyse du prompt d’installation
2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.

Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions

?

Questions

Comment installer un skill ?

Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.

Où va mon argent ?

Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.

Que signifie le ✓ à côté du nom d’un créateur ?

Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.