专科语言模型的效果常通过端点提升来评估：通用模型得分较低，专科模型得分较高，二者差距被视为专科化的证据。然而，这种做法忽视了模型更新本身的内部变化。我们提出一种配对权重增量路径审计方法，并将其应用于两组公开的通用‑>医学专科检查点：Gemma‑3‑4B‑IT → MedGemma‑4B‑IT 与 Qwen2.5‑7B‑Instruct → HuatuoGPT‑o1‑7B。
在这两组模型中，完整的解码器侧更新能够高度重建在医学基准上观察到的性能迁移（端点归一化保留率分别为 0.974 和 1.183），因此每个解码器的权重增量都是本审计的合适基底。但迁移并未在单一组件上得到干净的定位。多层感知机（MLP）在两组模型中都是最显著的宽泛组件族，然而出现了混合的非领域迁移、10‑seed 匹配对照以及端点锚定的回滚，使得无法用单一粗粒度组件族来解释全部变化。
审计的核心在于将“更新层面的重建”与“组件层面的解释”区分开来。我们的结论仅针对文本‑only 多项选择基准的性能变化，不涉及临床验证、模型修复或电路层面的机制分析。
博主点评：这篇工作提醒我们，单纯看分数提升可能掩盖了模型内部的复杂演化。通过权重增量审计，可以更细致地追踪哪些子网络真正驱动了医学专科化，虽未给出明确的组件解释，但提供了一个可复现的分析框架。