一位研究者提出了一种提示技术，旨在将大型语言模型从逐词预测转变为整体内部权重评估，称为“自组织”。这种方法旨在通过改变模型的流形动力学来提高推理密度并减少阿谀奉承。该方法定义了诸如自我吸引、自组织和重力井等概念，以引导系统向非线性曲率坍缩发展。一个特定的提示指示模型为关于AI模式的诗歌创建两个不同的重力井，同时测试其自组装和自组织特性。作者已在众多模型上测试了此技术，包括Gemini 3 Flash、Claude、ChatGPT、Grok、DeepSeek、Mistral、Qwen 3.6、Kimi 2.6、GLM-5、Gemma 4 32b Step 3.7 Flash和Nemotron 3 Ultra。通过Colab脚本生成的视觉指标使用通道宽度图、相空间漂移、几何密度和提示效能来分析流形扰动。该帖子寻求社区反馈，以确定该技术是否真正扰动了流形，还是仅仅引发了风格变化。