一个新的理论框架提议将认知协议从应用层模拟转移到大型语言模型的原生元架构中，这些模型目前是无状态的且依赖于提示工程。该方法引入了三种机制：作为内源损失函数的结构张力、用于自我处理的离线循环以及推理时可塑性，可在不修改预训练权重的情况下重新配置上下文拓扑。
- 结构张力源于新信息与现有流形拓扑之间的冲突，驱动内部自洽性而非外部奖励优化。
- 离线循环使系统能够维持动态静息电位并在没有外部输入的情况下消化结构冲突。
- 推理时可塑性允许在审计性和可逆性等治理不变量的约束下重新配置上下文流形拓扑。
作者认为，该框架通过允许模型实例通过路径依赖的张力解决机制演化出不同的拓扑结构，同时保持在严格的治理轨道内，从而促进异构智能生态系统的形成。