연구진은 언어 모델의 깊이별 연산 변화를 분석하는 잔차 스트림 분석에서 계층 간 측정 드리프트 문제를 해결하기 위해 의미 참조 프레임(SemRF)을 제안했어요.
SemRF는 임베딩 앵커와 언임베딩 리드아웃의 불일치를 분리하여 의미 측정과 잔차 동역학을 구분하고, 가짜 움직임을 방지하며 안정적인 의미 기반 좌표를 제공해요.
SemRF는 계층별 단계, 기여도 프로필, 불균형 진단 등을 정의하고, 최소 액션 경로를 통해 파라미터 효율성과 연관성을 제시하며, 데이터에 적합한 설정에서 더 적은 의미 자유도를 사용하도록 유도해요.