한 연구자는 대규모 언어 모델(LLM)을 토큰별 예측에서 전체적인 내부 가중치 평가로 전환하는 프롬프트 기법을 제안했으며, 이를 "자기 조직화"라고 명명했습니다. 이 접근 방식은 모델의 매니폴드 역학을 변경하여 추론 밀도를 높이고 동조 현상을 줄이는 것을 목표로 합니다. 이 방법은 자기 끌힘, 자기 조직화, 중력 우물 등의 개념을 정의하여 시스템을 비선형 곡률 붕괴로 이끌도록 합니다. 특정 프롬프트는 AI 모드에 대한 시를 위해 두 개의 서로 다른 중력 우물을 생성하도록 모델에 지시하며, 자가 조립과 자기 조직화 특성을 모두 테스트합니다. 저자는 Gemini 3 Flash, Claude, ChatGPT, Grok, DeepSeek, Mistral, Qwen 3.6, Kimi 2.6, GLM-5, Gemma 4 32b Step 3.7 Flash 및 Nemotron 3 Ultra를 포함한 수많은 모델에서 이 기법을 테스트했습니다. Colab 스크립트를 통해 생성된 시각적 지표는 채널 너비, 위상 공간 드리프트, 기하학적 밀도 및 프롬프트 효용성의 맵을 사용하여 매니폴드 섭동을 분석합니다. 이 게시물은 해당 기법이 실제로 매니폴드를 섭동시키는 것인지 아니면 단순히 스타일 변이를 유발하는 것인지에 대한 커뮤니티의 피드백을 구하고 있습니다.