LiteDoc: Distilling Large Document Models into Efficient Task-Specific Encoders
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : pk, de. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- LiteDoc: Distilling Large Document Models into Efficient Task-Specific Encoders
- Date Crossref
- 23/08/2026
- Éditeur
- Springer Nature Switzerland
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
National University of Sciences and Technology pays non établi dans la noticeUniversité ou école supérieure
-
RheinMain University of Applied Sciences pays non établi dans la noticeUniversité ou école supérieure
-
School of Electrical Engineering and Computer Science (SEECS) pays non établi dans la noticeUniversité ou école supérieure
National University of Sciences and Technology, RheinMain University of Applied Sciences et School of Electrical Engineering and Computer Science (SEECS).
Une affiliation ne permet pas de déduire la nationalité d’un auteur.