연구진은 DFA(차등 충실도 정렬)라는 새로운 프레임워크를 소개했어요. 이 프레임워크는 작은 모델의 회로 정보를 더 큰 모델로 전송하여 모델별 분석 비용을 줄여요.
DFA는 작은 모델의 노드 중요도 점수를 큰 모델에 투영하고, 소프트 충실도 목표를 통해 이 매핑을 학습하며, 대상 모델에서 전체 회로를 직접 발견할 필요가 없어요.
Llama-3에서 DFA를 평가한 결과, 일부 설정에서 직접 노드 속성보다 경쟁력 있는 결과를 얻었으며, 작은 모델이 더 큰 모델에 유용한 메커니즘 우선순위를 제공할 수 있음을 보여줬어요.