Drop2Sparse為改良的 資料集蒸餾 (Dataset Distillation, DD) 方法，透過 隨機稀疏化 (random sparsification) 已訓練完成的模型，產生具多樣性與正則化效果的子網路，進而提升合成資料集的品質與泛化能力。其用途為：
• 分類任務：影像分類基準（CIFAR-10/100, ImageNet-10/100）
• 目標：在有限儲存預算下，建立小型但有效的合成資料集，維持或提升下游模型效能
• 價值：相較於先進方法，能在 CIFAR 與 ImageNet 子集分別最高提升 3.8% 與 3.6% 的準確率
