去嵌入最小奇异方向对下一词预测的影响不成比例

研究发现，在开源语言模型中，去嵌入层的最小奇异方向虽使 logits 变化小于随机改变，但其预测变化和下一词损失变化平均却是随机改变的数倍。这些方向承载了模型前几个候选词差异的大部分，距离度量方法因此低估了其重要性。 该结论表明，仅凭距离评估内部表征可能遗漏影响模型预测的关键差异。