本研究提出了一种激活方差稀疏性评分（AVSS）方法，用于评估深度学习模型各层的重要性。去除约25%的低重要性层后，模型仍能保持90%以上的性能，为大型语言模型的优化提供了新思路。

本研究探讨大型语言模型对齐的关键问题，提出了一种新方法来识别层的重要性。研究发现，冷冻非关键层可以提升整体性能，而调优关键层则能提高微调效率并减少性能损失。