研究用机制可解释性比较 GPT-2 与 DistilGPT-2 蒸馏后电路存留
原文标题：What Survives Distillation? A Mechanistic Interpretability Study of GPT-2 and DistilGPT-2
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文用线性 CKA、logit lens、注意力模式分解、稀疏自编码器特征统计与激活修补，对比 GPT-2 与六层学生模型 DistilGPT-2 在 IOI 与 Greater-Than 两个电路上的差异。结果显示 IOI 电路完全机制崩塌（准确率 35.2% vs 94.8%），而 GT 电路通过层间重映射保留 87.7% 性能。作者指出聚合指标不足以诊断电路完整性。
- 问题
- 深度蒸馏压缩模型后，聚合指标正常但内部电路是否保留尚不清楚。
- 方法
- 用 CKA、logit lens、注意力分解、稀疏自编码器与激活修补，对比 GPT-2 与 DistilGPT-2 的两个经典电路。
- 结果
- IOI 电路机制崩塌（35.2% vs 94.8%），GT 电路经层间重映射保留 87.7% 性能。
- 影响
- 蒸馏后准确率不掉不代表能力结构完整，模型压缩评估需加入机制层面诊断。
深读 · 结论先行AI 生成展开看要点与影响 ↓
蒸馏后IOI电路完全崩塌（35.2% vs 94.8%），GT电路却保留87.7%性能
- •用线性CKA、logit lens、注意力模式分解、SAE特征统计与激活修补对比GPT-2与六层DistilGPT-2
- •IOI电路完全机制崩塌：DistilGPT-2准确率35.2%，教师94.8%，name-mover零保留
- •GT电路通过把教师第9层比较头重映射到学生第4层（平均Pearson r=0.945）恢复87.7%任务性能
- •结论：电路可压缩性决定蒸馏下的机制存活性，聚合指标不足以诊断电路完整性
为什么重要：蒸馏后聚合指标不掉不代表内部电路完好；对做小模型压缩的团队，需按能力类型而非总分评估蒸馏损失。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。