Um preprint do pesquisador independente Jason Van Pham propõe traduzir representações contínuas entre modelos congelados para permitir direcionamento, recuperação e raciocínio sem edição de pesos. O trabalho apresenta um método no qual conceitos são compilados em direções residuais no espaço de um modelo e mapeados por meio de uma transformação afim para as camadas ocultas de outro modelo.
- No primeiro experimento, adicionar um ganho negativo a uma direção conceitual no Qwen2.5-0.5B deslocou as gerações de leituras de animais vivos para linguagem de objetos (por exemplo, "fogão portátil") para um prompt de criatura fictícia.
- O segundo regime mapeia fragmentos ordenados do Qwen3-Embedding-8B para os slots de entrada do Llama-3.1-8B, permitindo que o modelo alvo reconstrua proposições não padronizadas e suporte inferência correspondente.
- A compressão Rank 128 na fase de incorporação preservou a similaridade pareada (r=0.937), mas reduziu a qualidade da reconstrução, demonstrando que a geometria de recuperação sobrevive à compressão antes da identidade do token.
- O autor limita explicitamente as afirmações, observando que o método não é ajuste fino, memória KV-cache ou uma prova de inversão semântica geral.
A pesquisa estabelece uma transição de estado residual sensível ao sinal em famílias específicas de prompts e demonstra que a inversão compacta e a recuperação ordenada são pontos operacionais distintos para a transferência de informações entre modelos.