يقترح الباحثون DiscoLoop، وهو بنية محوّل متكرر تحمل قنوات تضمين منفصلة وقنوات حالات خفية مستمرة لتحسين الاستدلال ثنائي القفزة ضمن تمرير أمامي واحد. تعالج الطريقة عنق الزجاجة التمثيلي الموجود في المحولات المتكررة القياسية من خلال إعادة محاذاة الحالات الخفية مع تضمينات رموز الجسر دون تدريب إضافي.
- تعاني المحولات غير العودية القياسية من مشاكل تخزين محلي للعمق حيث تكون الحقائق المتعلمة في الطبقات السابقة غير متاحة للاسترجاع ثنائي القفزة.
- عممت المحولات المتكررة السابقة بشكل غير كامل لأن الحالات الخفية ظلت غير متوافقة جيدًا مع تضمينات رموز الجسر على الرغم من صحة الكيانات القابلة للفك.
- تستخدم DiscoLoop تصميمًا بقنوات مختلطة يحقق دقة قريبة من المثالية بخطوات تدريب أقل بكثير على المهام الرمزية ولغة التركيبية.
- في التدريب المسبق الواقعي، تحقق البنية خسارة تدريب أقل وأداء معيار أقوى من أساسيات المحولات المتكررة.
يعتبر المؤلفون هذا أمرًا مهمًا لأن تصميم القنوات المختلطة ينتقل إلى نمذجة اللغة العملية، مما يسمح للنماذج بتعميق الاستدلال متعدد الخطوات بشكل أكثر فعالية.