10:27arXiv cs.AI@Zehua Cheng, Wei Dai, Jiahao Sun大型语言模型存在捷径学习问题,在分布外输入上系统性失败,即使逻辑结构相同。本文提出不变梯度对齐(IGA)框架,通过逻辑同构集、连续梯度冲突掩码和截断SVD投影三个创新,对齐语义多样但逻辑同构样本的梯度更新。理论上,IGA比经验风险最小化(ERM)有更紧的分布外泛化界;实验上,在四个基准上准确率提升最高14.3个百分点,逻辑一致性分数提升四倍。该方法适用于知识蒸馏场景,帮助小模型学习更鲁棒的推理能力。论文推理蒸馏分布外泛化梯度对齐逻辑同构LoRA推荐理由:做推理蒸馏或知识迁移的团队,IGA解决了小模型在分布外数据上泛化差的痛点,逻辑一致性提升四倍,值得在数学、医学等跨领域任务上试试。原文