स्वतंत्र शोधकर्ता जेसन वान फाम द्वारा एक प्रीप्रिंट में स्थिर मॉडलों के बीच निरंतर प्रतिनिधित्वों का अनुवाद करने का प्रस्ताव दिया गया है, जिससे वजन संपादन के बिना निर्देशन, स्मृति और तर्कशक्ति संभव हो। इस कार्य में एक विधि पेश की गई है जहां अवधारणाओं को एक मॉडल के स्थान में अवशिष्ट दिशाओं में संकलित किया जाता है और एक रैखिक रूपांतरण के माध्यम से दूसरे मॉडल के छिपे हुए परतों में मैप किया जाता है।

  • पहले प्रयोग में, Qwen2.5-0.5B में एक अवधारणा दिशा को ऋणात्मक लाभ जोड़ने से काल्पनिक जीव संकेत के लिए जैविक-प्राणी पाठ्यार्थ से वस्तु-भाषा (जैसे, "पोर्टेबल स्टोव") की ओर उत्पन्न होने वाले परिणाम बदल गए।
  • दूसरे प्रणाली में Qwen3-Embedding-8B से क्रमिक खंडों को Llama-3.1-8B इनपुट स्लॉट्स में मैप किया जाता है, जिससे लक्ष्य मॉडल अस्थायी कथनों का पुनर्निर्माण कर सकता है और संगत अनुमान का समर्थन कर सकता है।
  • एम्बेडिंग चरण में रैंक 128 संपीड़न ने जोड़ीवार समानता (r=0.937) को बनाए रख लेकिन पुनर्निर्माण गुणवत्ता को कम किया, यह दर्शाते हुए कि टोकन पहचान से पहले पुनर्प्राप्ति ज्यामिति संपीड़न में जीवित रहती है।
  • लेखक ने स्पष्ट रूप से दावों को सीमित किया है, यह नोट करते हुए कि विधि फाइन-ट्यूनिंग, KV-cache मेमोरी या सामान्य अर्थवादी उल्टाव का प्रमाण नहीं है।

शोध विशिष्ट संकेत परिवारों पर चिह्न-संवेदनशील अवशिष्ट-अवस्था संक्रमण स्थापित करता है और दर्शाता है कि संपीड़ित उल्टाव और क्रमिक स्मृति क्रॉस-मॉडल सूचना स्थानांतरण के लिए अलग-अलग परिचालन बिंदु हैं।