DenseNet121 흉부 X-ray 분류기를 51.43% 압축하면서 정확도 유지. 압축이 channel attribution을 atomic하게 만들어 외과적 교정 가능 — 5채널 zero-out으로 target FP 확률 −0.13, true positive 손실 0. Polarized 채널을 label mutual exclusivity를 활용하는 bipolar 축으로 재해석.
가중치만으로 트랜스포머 예측 실패를 진단하고, 한 레이어 재학습으로 교정. GPT-2 수도 정확도 2/8 → 8/8, 부작용 0, V-only Wv 슬라이스(59만 params)로도 가능.
BERT 5개 GLUE 태스크 레이어 단위 분석. 세 가지 발견: 분리도 기반 레이어 skip + 보상 분류기로 무손실 압축, FFN의 92% 구조적 / 8% 분류 분해, 오답의 60–93%가 high-confidence error로 CLS 벡터 자체가 본질적 한계.
서사를 인지 에너지의 시공간적 설계로 재정의. 같은 5차원 측정이 텍스트·음악·춤·교육·미술·건축·UI에 동일하게 작동.
지난 200년간 넓이와 깊이는 양립이 어려웠다. 둘 중 하나를 택해야 했다. 그 trade-off가 무너지는 중이다 — 누가 갑자기 똑똑해져서가 아니라, 한 분야에서 *작업하는 비용* 자체가 한 자릿수 떨어졌기 때문에. 그 변화 안에서 살아보는 한 공방의 노트.
딥러닝을 고치는 도구는 늘 '재학습'이었다. 그건 사실이라기보다 습관이다. GPT-2의 0.5%만 한 번 손봐서 틀린 답 여섯 개를 모두 고쳤다. 다른 능력은 그대로다.