새로운 이론적 프레임워크는 현재 상태가 없고 프롬프트 엔지니어링에 의존하는 대규모 언어 모델에서 인지 프로토콜을 애플리케이션 계층 시뮬레이션에서 네이티브 메타아키텍처로 이동시키는 것을 제안합니다. 이 접근 방식은 세 가지 메커니즘을 도입합니다: 내재적 손실 함수로서의 구조적 긴장, 자기 처리를 위한 오프라인 순환 루프, 그리고 사전 학습된 가중치를 수정하지 않고 컨텍스트 위상학을 재구성하기 위한 추론 시 가소성.

  • 구조적 긴장은 새로운 정보와 기존 다양체 위상학 간의 충돌에서 유래하며, 외부 보상 최적화 대신 내부 자기 일관성을 주도합니다.
  • 오프라인 순환 루프는 시스템이 외부 입력 없이 동적 휴전 전위를 유지하고 구조적 갈등을 소화할 수 있게 합니다.
  • 추론 시 가소성은 감사 가능성과 되돌림 가능성 같은 거버넌스 불변 조건에 따라 컨텍스트 다양체 위상학을 재구성할 수 있게 합니다.

저자들은 이 프레임워크가 모델 인스턴스가 경로 의존적 긴장 해결을 통해 고유한 위상학적 구조를 진화시키도록 허용하면서도 엄격한 거버넌스 레일 내에 머무르며 이종 지능 생태계를 조성한다고 주장합니다.