동일한 사전 학습된 인코더 (pretrained encoder), 데이터, 그리고 손실 함수 (loss)로 미세 조정된 저자 식별 (authorship attribution) 모델들은 오직 점수 산출 방식 (scoring mechanism)에 따라 성능에서 4배까지 차이가 날 수 있습니다. 우리는 기계론적 해석 가능성 (mechanistic interpretability) 도구를 사용하여 이러한 격차를 설명합니다. 단어 길이, 문장 부호 밀도, 기능어 빈도 (function-word frequency)와 같은 문체적 특징들은 별도의 설정이 없는 제어용 인코더 (control encoder)를 포함한 모든 모델의 모든 레이어에서 동일하게 나타나므로, 이 격차는 표현 품질 (representation quality)에서 기인하는 것이 아닙니다. 대신, 인과적 개입 (causal intervention)을 통해 점수 산출기 (scorer)가 인코더가 저자 신호를 통합하는 위치를 결정한다는 것을 보여줍니다. 평균 풀링 (Mean pooling)은 초기에서 중간 레이어까지 통합을 강제하는 반면, 후기 상호작용 (late interaction)은 이를 후기 레이어로 미룹니다. 우리는 더 나아가 각 점수 산출기의 그래디언트 구조 (gradient structure)로부터 이러한 차이를 도출하였으며, 학습 역학 (training dynamics)은 그 차이에서 비롯되는 뚜렷한 학습 궤적 (learning trajectories)을 보여줍니다.