arXiv · cs.CL· Nabeelah Faumi·· 17 小时前AI 评分44
知识蒸馏后什么得以保留？GPT-2 与 DistilGPT-2 的机制可解释性研究
What Survives Distillation? A Mechanistic Interpretability Study of GPT-2 and DistilGPT-2
来源与原文
arXiv · cs.CL
作者：Nabeelah Faumi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37157v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项机制可解释性研究用 linear CKA、logit lens、attention 分解、稀疏自编码器统计和 activation patching 对比 GPT-2 与其六层学生模型 DistilGPT-2，发现“压缩-坍缩”二分现象：IOI 电路完全崩溃（35.2% vs 94.8% 准确率，name-mover 保留为零），而 GT 电路通过教师 layer 9 比较头重映射到学生 layer 4（Pearson r = 0.945）恢复了 87.7% 的任务性能。研究显示电路可压缩性决定蒸馏后的机制存活，聚合指标不足以诊断电路完整性。
来源：arXiv · cs.CL · arxiv.org