EssexRich가 Fiedler 값과 Scheffer CSD 지표를 활용해 신경망 토폴로지 변화를 모니터링하는 실험을 진행했어요. 2계층 MLP와 1계층 트랜스포머에서 그로킹 발생 21,000 스텝 전에 테스트 정확도 변화를 감지했어요. 구조 기반 개입은 지식 보존율을 91.7%까지 향상시켰고, 연속적인 작업에서 그로킹 가속화 효과를 확인했어요.
Fiedler 값과 Scheffer CSD 지표를 결합하여 신경망 토폴로지를 분석하는 방법은 복잡계 과학에서 영감을 받았습니다. 실험 코드는 GitHub에서 확인할 수 있으며, 24시간 내에 CPU 환경에서 재현 가능합니다. 제한 사항 섹션에서 장난감 작업에 대한 적용임을 명시했습니다.
구조 기반 개입은 지식 보존율을 크게 향상시켰으며, 작업 호환성 점수를 통해 작업 중단 위험을 예측하여 100% 지식 보존을 가능하게 했습니다.