연구진은 Bilevel 그래프 구조 학습의 성능 향상이 그래프 재구조화 자체보다는 내부 루프 학습 동역학에서 비롯될 수 있음을 발견했습니다.
frozen-$φ$ 라는 제어 방식을 도입하여 성능 향상을 내부 채널(T-단계 학습 동역학)과 그래프 채널로 분리하여 분석한 결과, 내부 채널이 전체 성능 향상의 상당 부분을 차지했습니다.
연구진은 Bilevel 그래프 구조 학습을 진단하는 표준 도구로 frozen-$φ$ 를 제안하고, 그래프 증류를 방법론에 독립적인 보완 방법으로 제시했습니다.