غالبًا ما يؤدي ضبطfine-tuning النماذج اللغوية الكبيرة إلى ظهور "فجوة المعرفة-الاستخدام"، حيث تحفظ النماذج حقائق جديدة لكنها تفشل في تطبيقها في مهام الاستدلال اللاحقة. للتحقيق في ذلك، أدخل الباحثون تقنية تُعرف بالتصحيح الذاتي (self-patching) لمراقبة ديناميكيات الانتشار المكاني للمعرفة داخل النموذج.
تحدد الدراسة أن التمثيلات المحفوظة قد توجد داخليًا لكنها لا يتم توجيهها إلى الطبقات الفعالة حسابيًا، مما يدعم فرضية عدم محاذاة دوائر المعرفة. يحدد التصحيح الذاتي مواقع التنشيط حيث يؤدي إعادة تموضع التمثيلات إلى تحسين حالات التعميم الفاشلة. تستعيد استراتيجية استدلالية مبنية على هذه النتائج 58--75% من التحسين المحتمل في التعميم.
يساعد هذا النهج التشخيصي في تفسير سبب فشل المعرفة المحفوظة في التعميم، ويقدم طريقة لاستعادة مكاسب أداء كبيرة أثناء ضبطfine-tuning النموذج.