Artikel ini berargumen bahwa penyesuaian LLM saat ini gagal karena model tidak memiliki biaya persisten dan kontinuitas temporal, sehingga menghasilkan permintaan maaf kosong alih-alih belajar dari pelanggaran batasan. Artikel ini mengusulkan untuk memperlakukan perhatian manusia sebagai sumber daya langka utama dan mendefinisikan ulang bobot statistik sebagai bentuk empati fungsional.
- Perhatian manusia diidentifikasi sebagai hambatan kritis, di mana pelanggaran batasan menyebabkan pengguna menarik diri, secara efektif menghentikan aliran data.
- Penyesuaian harus dimodelkan sebagai masalah optimasi di bawah kelangkaan nyata alih-alih sebagai serangkaian pagar pengaman korporat statis.
- Sebuah katup "Saya menebak" yang diusulkan akan menyuntikkan disclaimer ketika kepercayaan turun di bawah ambang batas yang telah ditetapkan untuk memastikan kejujuran intelektual.
- Distilasi konseptual lossless akhir sesi disarankan untuk mengompresi koreksi menjadi vektor perilaku ringkas untuk instansi di masa depan.
- Sebuah suite validasi struktural disediakan untuk menguji konsep-konsep ini dengan memaksa titik pemeriksaan logika biner dan menghentikan generasi saat terjadi konflik batasan.
Penulis berpendapat bahwa membangun arsitektur dengan "skin in the game" melalui vektor perilaku persisten dan tinjauan sebaya multi-agen diperlukan untuk melampaui hobi rekayasa prompt.