一页看全数据集蒸馏论文，快速入门与追新
Awesome-Dataset-Distillation 是一个系统整理数据集蒸馏（Dataset Distillation）方向论文与资源的开源清单项目。数据集蒸馏旨在把大规模训练集压缩成少量合成样本，使模型在这些合成数据上训练后仍能达到接近原始数据的性能，从而大幅降低存储、传输与训练成本。该项目汇总了该领域的经典与前沿论文、方法分类、基准结果以及相关应用，覆盖元学习、梯度匹配、分布匹配、轨迹匹配等主流技术路线，也包含持续学习、联邦学习、神经架构搜索等下游场景。对刚进入该方向的研究者，它提供了清晰的脉络和检索入口；对已有经验的研究者，它可作为跟踪最新进展的索引。项目以 HTML 形式组织，结构清晰，便于浏览和按主题跳转。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆仓库
把项目克隆到本地任意目录，所需内容为仓库中的 HTML 清单文件；不克隆也可直接在线浏览。
git clone https://github.com/Guang000/Awesome-Dataset-Distillation.git2进入项目目录
切换到克隆下来的仓库目录，便于查找其中的 HTML 文件。
cd Awesome-Dataset-Distillation3本地打开清单
用浏览器打开目录中的 HTML 页面即可阅读论文清单，无需编译或启动服务。
open index.html4在线访问官网
也可以直接访问官方站点，无需任何本地安装，适合只想检索论文的读者。
浏览器中能正常显示数据集蒸馏论文清单页面（分类目录、论文链接可点击）即表示访问成功。
Q：需要安装 Python、PyTorch 等依赖吗？
A：不需要。该项目是一个用 HTML 组织的论文资源清单（awesome-list），阅读和检索资料无需安装任何深度学习框架或运行环境。
Q：什么是数据集蒸馏？
A：指合成一个小数据集，使在其上训练的模型在原大规模数据集上仍能达到较高性能：输入是大规模真实训练集，输出是少量合成样本。
Q：这个方向最早是哪篇论文提出的？
A：由 Dataset Distillation（Tongzhou Wang 等，2018）首次提出，并用反向传播穿越优化步骤实现；随后 Medical Dataset Distillation（2019）把任务扩展到真实数据集。
Q：怎样跟踪该方向的最新进展？
A：访问官网 https://guang000.github.io/Awesome-Dataset-Distillation 查看持续更新的论文清单，比本地克隆的静态文件更新更及时。
awesome-data-centric-ai、awesome-deep-learning
Awesome-Dataset-Distillation 是数据集领域的开源项目，由 Guang000 开发，2022 年首次发布。
在全站 12,822 个收录项目中，它的 GitHub 星标数（1,974）位列前 30%，在数据集分类中处于中上游。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-17。开源免费资源列表。
它主要面向的使用场景是：研究生入门数据集蒸馏方向时快速建立知识框架。同类可对比的替代方案包括 awesome-data-centric-ai、awesome-deep-learning。
上一篇：datasets
下一篇：vega-datasets
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models