이 논문은 트랜스포머의 구조적 가지치기를 고정된 평가 예산 안에서 손상 인지형 다중무장밴딧 문제로 정식화한다. 어텐션 헤드와 MLP 채널 그룹을 캘리브레이션 배치에서 일시적으로 마스킹해 마스킹 손실과 기본 손실의 차이인 '페어드 손상'을 측정하고, 이를 보상으로 삼아 UCB 정책이나 분수-베타 톰슨 샘플링으로 순차적으로 최종 마스크를 구성한다. GPT-2, OPT, Pythia, Qwen2.5, ViT-B/16 등 8개 모델에 실험한 결과, 밴딧 기반 방법이 예산 기반 그리디 선택보다 손상을 줄이는 경우가 많았으며 116개 비교 중 23개에서 통계적으로 유의한 개선을 보였다. 비전 트랜스포머의 이득이 단순히 더 큰 평가 예산 때문이 아님을 매칭 평가로 확인했다.

• •구조적 가지치기를 손상 인지형 다중무장밴딧 문제로 재정식화(UCB/토슨 샘플링 활용)
• •8개 언어·비전 트랜스포머 모델에서 그리디 선택 대비 손상 감소 효과를 확인
• •116개 비교 중 23개에서 통계적으로 유의한 개선(부트스트랩 신뢰구간 기준)
• •ViT·Swin 등 비전 모델의 이득이 단순 예산 증가 때문이 아님을 매칭 평가로 검증