تحقق نماذج اللغة الانتشارية المستمرة مثل ELF أدنى مستويات للالتباس التوليدي (Gen-PPL) على الإطلاق، لكنها تعاني من تكرار مفرط يكافئه Gen-PPL بشكل خاطئ. يحدد المؤلفون هذه المشكلة كجاذب متقلص على طول اتجاه واحد في حلقة التغذية الراجعة ذاتية الشرط ويقترحون ACE (Attractor-Contrast-Escape) لطرحه.
- يطرح ACE اتجاهاً واحداً خالياً من التسميات من التغذية الراجعة في كل خطوة، ويُقدّر مرة واحدة على نموذج 105M.
- تقلل الطريقة التكرار إلى مستويات بشرية مع الحفاظ على جودة تنافسية عبر نماذج 342M و652M ومختلف المقتربات (samplers).
- ونظراً لأن Gen-PPL يكافئ التكرار، فقد قاس المؤلفون كفاءة الحوسبة لإنتاج نص نظير بشري، واكتشفوا أن ACE أرخص بنسبة 1.5–5 مرات.
توضح الدراسة أن درجات الالتباس المنخفضة يمكن أن تبالغ في تقدير جودة النموذج عن طريق إخفاء السلوك التكراري، وتقدم حلاً محدداً للأبعاد لتحسين طبيعية النص دون عبء حسابي كبير.