L'auteur introduit l'« inversion ontologique », une technique conçue pour étendre la nature d'inférence unidirectionnelle des grands modèles de langage (LLM). Cette méthode permet aux modèles de capturer des concepts nuancés et multifacettes, tels que des souvenirs évoquant à la fois tristesse et joie simultanément. L'approche a été développée en appliquant un facteur de gain négatif lors des balayages dans l'architecture de pilotage Niodoo. Elle répond à la limitation courante où les LLM surajustent leurs réponses à des étiquettes émotionnelles uniques lorsqu'ils sont interrogés sur des expériences personnelles. En inversant les concepts de manière similaire à l'involutions en physique, la technique permet aux modèles de retourner les états émotionnels, comme transformer des souvenirs tristes en joyeux. Le travail est partagé via un dépôt GitHub intitulé 'ontological-inversion' par l'utilisateur Ruffian-L.