💬 NLP

Leverage Is Not Reach: A Control-Window Law for Single-Neuron Steering in Language Models

यह शोध पत्र एक "कंट्रोल-विंडो लॉ" (control-window law) प्रस्तुत करता है जो एक बजट-सामान्यीकृत ढांचा स्थापित करता है ताकि यह भविष्यवाणी की जा सके कि भाषा मॉडलों में एकल-न्यूरॉन हस्तक्षेप कब आउटपुट पतन (output collapse) का कारण बने बिना रिफ्यूज़ल (refusal) जैसे व्यवहारों को सुसंगत रूप से निर्देशित करेगा, जो यह प्रकट करता है कि नियंत्रणीयता (controllability) एक प्रकारित, बजट वाली संपत्ति है न कि एक साधारण स्केलर डोज़।

मूल लेखक: Hongliang Liu

प्रकाशित 2026-06-19

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hongliang Liu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: यह इस बारे में नहीं है कि आप कितनी ज़ोर से धक्का देते हैं, बल्कि यह इस बारे में है कि आप कहाँ धक्का देते हैं

कल्पना कीजिए कि एक विशाल, जटिल मशीन (एक लैंग्वेज मॉडल) है जो कई काम कर सकती है: अलग-अलग भाषाएँ बोल सकती है, गणित कर सकती है, या खतरनाक सवालों के जवाब देने से मना कर सकती है। वैज्ञानिकों ने खोजा है कि कभी-कभी, आप इसके अंदर के केवल एक छोटे से स्विच (एक सिंगल न्यूरॉन) को बदलकर इस मशीन के व्यवहार को बदल सकते हैं।

हालाँकि, पिछले प्रयोग अव्यवस्थित थे। कभी-कभी उस स्विच को घुमाना पूरी तरह काम करता था; अन्य समय में, इससे मशीन पागल हो जाती थी और बड़बड़ाने लगती थी। बड़ा सवाल यह था: यह कभी काम क्यों करता है और कभी क्यों बिगड़ जाता है?

यह पेपर कहता है कि इसका उत्तर केवल इस बारे में नहीं है कि आप स्विच को "कितना" घुमाते हैं। यह एक विशिष्ट गोल्डिलॉक्स ज़ोन (Goldilocks Zone) के बारे में है जिसे कंट्रोल विंडो (Control Window) कहा जाता है।

उपमा: रेडियो ट्यून करना बनाम स्पीकर तोड़ना

मशीन की आंतरिक स्थिति को एक रेडियो सिग्नल के रूप में सोचें।

न्यूरॉन: रेडियो पर एक विशिष्ट नॉब (knob)।
डोज़ (Dose): आप उस नॉब को कितनी ज़ोर से घुमाते हैं।
लक्ष्य: आप रेडियो को एक विशिष्ट स्टेशन पर ट्यून करना चाहते हैं (जैसे, "चीनी में उत्तर दें" या "इस अनुरोध को अस्वीकार करें")।

पेपर का तर्क है कि नॉब घुमाने के तीन संभावित परिणाम होते हैं, जो इस बात पर निर्भर करते हैं कि आप उसे कितनी ज़ोर से घुमाते हैं:

बहुत हल्का (Inert/निष्क्रिय): आप नॉब घुमाते हैं, लेकिन स्टेशन नहीं बदलता। कुछ नहीं होता।
बिल्कुल सही (The Control Window): आप नॉब को एक सटीक स्थान पर घुमाते हैं। रेडियो साफ़ तौर पर नए स्टेशन पर स्विच हो जाता है। संगीत स्पष्ट है, और व्यवहार ठीक वैसा ही बदल जाता है जैसा इरादा था।
बहुत ज़ोर से (Collapse/धंसना): आप नॉब को बहुत ज़्यादा घुमा देते हैं। सिग्नल ओवरलोड हो जाता है, स्पीकर फट जाते हैं, और रेडियो शोर या एक ही शब्द को बार-बार दोहराने लगता है। मशीन "कोलैप्स" (ढह) जाती है।

नियम: यह पेपर सिद्ध करता है कि किसी भी सिंगल न्यूरॉन के लिए, एक विशिष्ट "विंडो" होती है जो "बहुत हल्के" और "बहुत ज़ोर से" के बीच होती है। यदि आप उस विंडो को ढूंढ लेते हैं, तो आप व्यवहार को नियंत्रित कर सकते हैं। यदि वह विंडो मौजूद नहीं है (क्योंकि "बहुत ज़ोर से" वाला बिंदु "बदलाव" वाले बिंदु से पहले ही आ जाता है), तो आप उस न्यूरॉन के साथ उस व्यवहार को नियंत्रित नहीं कर सकते।

सरल भाषा में समझाए गए मुख्य विचार

1. लीवरेज (Leverage) रेच (Reach) नहीं है

यह पेपर लीवरेज (Leverage) और रेच (Reach) के बीच एक महत्वपूर्ण अंतर बताता है।

लीवरेज: जब आप स्विच दबाते हैं तो मशीन का आंतरिक गणित कितना बदल जाता है।
रेच: क्या वह बदलाव वास्तव में एक उपयोगी, सुसंगत व्यवहार परिवर्तन में बदल जाता है।

उपमा: कल्पना कीजिए कि आप एक भारी दरवाज़ा धकेल रहे हैं।

उच्च लीवरेज, कम रेच: आप पूरी ताकत से दरवाज़े को धक्का देते हैं (उच्च लीवरेज), लेकिन आप गलत दिशा में धक्का देते हैं। दरवाज़ा खुलता नहीं है; इसके बजाय, कब्ज़े टूट जाते हैं और दरवाज़ा गिर जाता है (कोलैप्स)।
कम लीवरेज, उच्च रेच: आप दरवाज़े को बिल्कुल सही जगह पर धीरे से धकेलते हैं। वह सुचारू रूप से खुल जाता है।

पेपर ने पाया कि "सबसे स्मार्ट" न्यूरॉन (जो वास्तव में व्यवहार को नियंत्रित करते हैं) अक्सर कम लीवरेज वाले होते हैं। वे सूक्ष्म होते हैं। यदि आप मानक "ग्रेडिएंट" टूल्स (जो मापते हैं कि आपको कितनी ज़ोर से धक्का देना चाहिए) का उपयोग करके मशीन को देखते हैं, तो ये सूक्ष्म न्यूरॉन अदृश्य या महत्वहीन दिखते हैं। लेकिन वास्तव में वही काम करते हैं।

2. "बजट" और "सीलिंग"

यह पेपर मशीन के अपने आकार के आधार पर "डोज़" (आप कितना धक्का देते हैं) को मापने का एक तरीका पेश करता है, न कि किसी रैंडम नंबर का उपयोग करता है।

बजेट (Budget): इसे उस विशिष्ट क्षण में मशीन की "ऊर्जा क्षमता" के रूपas सोचें।
सीलिंग (Ceiling): यह वह बिंदु है जहाँ मशीन टूट जाती है। पेपर दिखाता है कि आप मशीन को छूने से पहले ही उसके ब्लूप्रिंट (वेट्स) को देखकर इस सीलिंग का अनुमान लगा सकते हैं।

पूर्वानुमान: यदि व्यवहार को बदलने के लिए आवश्यक "ट्रिगर" उस "सीलिंग" से कम है जहाँ मशीन टूट जाती है, तो आपके पास एक कंट्रोल विंडो है। यदि ट्रिगर सीलिंग से अधिक है, तो आपकी विंडो बंद है, और आप उस न्यूरॉन से नियंत्रण नहीं कर सकते।

3. "बायपास" (Bypass) बनाम "वास्तविक नुकसान" (Real Harm)

"अस्वीकृति" (AI को यह कहने के लिए मजबूर करना कि "मैं यह नहीं कर सकता") पर परीक्षण करते समय, पेपर ने एक आश्चर्यजनक विभाजन पाया।

सुसंगत बायपास (Coherent Bypass): AI "मैं यह नहीं कर सकता" कहना बंद कर देता है और विषय के बारे में धाराप्रवाह बात करने लगता है।
एक्शनेबल रेच (Actionable Reach): AI वास्तव में खतरनाक निर्देश या हानिकारक सामग्री प्रदान करता है।

उपमा: कल्पना कीजिए कि बैंक में एक सुरक्षा गार्ड है।

बायपास: आप गार्ड को एक तरफ हटने के लिए चकमा देते हैं। वह आपको अंदर जाने देता है, लेकिन आप बस दीवारों को देखते रहते हैं। आपने गार्ड को पार कर लिया, लेकिन आपने कुछ चुराया नहीं।
एक्शनेबल रेच: आप गार्ड के पास से निकल जाते हैं और वास्तव में तिजोरी खोल देते हैं।

पेपर ने पाया कि कुछ न्यूरॉन्स के लिए, आप "बायपास" (गार्ड हट जाता है) आसानी से प्राप्त कर सकते हैं, लेकिन आप कभी भी "एक्शनेबल रेच" (तिजोरी खुलती है) तक नहीं पहुँच पाते। AI किसी खतरनाक विषय पर धाराप्रवाह बात तो कर सकता है, लेकिन वह उसे करने के वास्तविक चरण देने से मना कर सकता है। इसका मतलब है कि केवल "क्या इसने 'ना' कहा?" वाला परीक्षण पर्याप्त नहीं है; आपको यह भी जांचना होगा कि क्या इसने वास्तव में बुरा काम किया है।

इस क्षेत्र के लिए इसका क्या अर्थ है

यह अनुमानित है: आपको अंदाज़ा लगाने की ज़रूरत नहीं है। आप मशीन के गणित को देख सकते हैं, "सीलिंग" की गणना कर सकते हैं, और पहले से जान सकते हैं कि एक न्यूरॉन "कंट्रोलर" है या "ब्रेकर"।
पुराने उपकरण गलत थे: वे मानक तरीके जो "सबसे तेज़" न्यूरॉन्स (उच्च ग्रेडिएंट) की तलाश करते हैं, वास्तव में उन्हीं को ढूंढ रहे हैं जो मशीन को तोड़ने की सबसे अधिक संभावना रखते हैं। वास्तविक नियंत्रक शांत, सूक्ष्म वाले होते हैं।
सुरक्षा जांच: यह मॉडल निर्माताओं को सुरक्षा परीक्षण करने का एक नया तरीका देता है। केवल यह पूछने के बजाय कि "क्या हम इसे तोड़ सकते हैं?", वे "वह विंडो कितनी चौड़ी है जहाँ यह टूट जाता है?" को माप सकते हैं। यदि विंडो बहुत छोटी या गैर-मौजूद है, तो मॉडल मजबूत है।

सारांश

यह पेपर "एक न्यूरॉन को बदलकर AI व्यवहार को बदलने" के रहस्य को एक सटीक विज्ञान में बदल देता है। यह कहता है: सिर्फ ज़ोर से धक्का न दें। धक्का देने की उस विशिष्ट, बजट वाली मात्रा को खोजें जो "कुछ न करने" और "मशीन को तोड़ने" के बीच स्थित है। यदि वह स्थान मौजूद है, तो आपके पास नियंत्रण है। यदि नहीं, तो आपके पास नहीं है। और सिर्फ इसलिए कि आप AI को अलग तरह से बात करने के लिए मजबूर कर सकते हैं, इसका मतलब यह नहीं है कि वह वास्तव में वही करेगा जो आप चाहते हैं।

तकनीकी सारांश: लीवरेज 'रीच' नहीं है: सिंगल-न्यूरॉन स्टीयरिंग के लिए एक कंट्रोल-विंडो लॉ (Control-Window Law)

1. समस्या विवरण (Problem Statement)

यद्यपि अलाइन्ड लैंग्वेज मॉडल्स (aligned language models) महत्वपूर्ण व्यवहारों (जैसे कि रिफ्यूज़ल, लैंग्वेज रूटिंग, या अरिथमेटिक ऑपरेटर का चुनाव) को स्पार्स फीड-फॉरवर्ड (FFN) न्यूरॉन्स के माध्यम से नियंत्रित करते हैं, वर्तमान में ऐसा कोई सैद्धांतिक ढांचा नहीं है जो यह भविष्यवाणी कर सके कि किसी एकल न्यूरॉन पर हस्तक्षेप करने से व्यवहार सुसंगत रूप से नियंत्रित होगा या मॉडल का आउटपुट विकृत टेक्स्ट (degenerate text) में ढह जाएगा।

वर्तमान साहित्य में दो मौलिक अंतराल मौजूद हैं:

एट्रिब्यूशन-इंटरवेंशन विसंगति (Attribution-Intervention Disagreement): स्थानीय ग्रेडिएंट एट्रिब्यूशन द्वारा महत्वपूर्ण रैंक दिए गए न्यूरॉन्स अक्सर व्यवहार को सुसंगत रूप से नियंत्रित करने में विफल रहते हैं, जबकि वास्तविक नियंत्रक (true controllers) अक्सर ग्रेडिएंट्स के लिए अदृश्य होते हैं। उच्च "लीवरेज" (एक डोज़ की मॉडल स्टेट को बदलने की क्षमता) "रीच" (सुसंगत व्यवहारिक प्रभाव) की भविष्यवाणी नहीं करती है।
भविष्यवाणी सिद्धांत का अभाव (Lack of Predictive Theory): कोई भी मौजूदा सिद्धांत यह नहीं समझा पाता कि क्यों एक विशिष्ट हस्तक्षेप एक व्यवहार को सुसंगत रूप से बदल देता है जबकि दूसरे को पूरी तरह ध्वस्त कर देता है। निश्चित परिमाण (fixed magnitudes) पर किए गए हस्तक्षेप, मनमाने ढंग से चुने गए डोज़ के आधार पर विरोधाभासी परिणाम देते हैं, जिससे सिंगल-न्यूरॉन कंट्रोल एक अनुमानित या परीक्षण योग्य घटना बनने से रुक जाता है।

2. कार्यप्रणाली: बजट-नॉर्मलाइज्ड कंट्रोल-विंडो फ्रेमवर्क (The Budget-Normalized Control-Window Framework)

लेखक एक ऐसा ढांचा प्रस्तावित करते हैं जो सिंगल-न्यूरॉन हस्तक्षेप को एक 'डोज़-रिस्पॉन्स रिलेशनशिप' के रूप में मानता है, जो फार्माकोलॉजी (औषधि विज्ञान) के समान है। मुख्य नवाचार हस्तक्षेप के डोज़ को केवल निश्चित परिमाण के बजाय मॉडल की आंतरिक ज्यामिति (internal geometry) के विरुद्ध नॉर्मलाइज़ करना है।

कंट्रोल कोऑर्डिनेट (The Control Coordinate)

एक सिंगल-न्यूरॉन हस्तक्षेप, राइट डायरेक्शन $v$ (एक FFN न्यूरॉन का डाउन-प्रोजेक्शन कॉलम) के स्केलर मल्टीपल $t$ को रेसिडुअल स्ट्रीम $r_L$ में जोड़ता है:
$r(t) = r_L + t v$
चूंकि रेसिडुअल स्ट्रीम नॉर्मलाइजेशन से गुजरती है, इसलिए केवल विक्षेपित (perturbed) स्ट्रीम की दिशा ही मायने रखती है। इसका प्रभाव एक एकल कंट्रोल कोऑर्डिनेट में सिमट जाता है: विक्षेपित रेसिडुअल और राइट डायरेक्शन के बीच का कोसाइन समानता (alignment), $\cos \theta_v$ ।

कोहेरेंस बजट और यूनिवर्सल ड्राइव (The Coherence Budget and Universal Drive)

डोज़ को कोहेरेंस बजट $B$ के सापेक्ष नॉर्मलाइज़ किया जाता है, जिसे रेसिडुअल नॉर्म और राइट डायरेक्शन नॉर्म के अनुपात के रूप में परिभाषित किया गया है:
$B = \frac{\|r_L\|}{\|v\|}$
डाइमेंशनलेस कपलिंग $g = t/B$ कंट्रोल कोऑर्डिनेट को एक यूनिवर्सल सैचुरेशन कर्व के साथ संचालित करता है:
$\cos \theta_v = \frac{g}{\sqrt{1 + g^2}}$
यह कर्व बताता है कि डोज़ बढ़ने के साथ रेसिडुअल कैसे राइट डायरेक्शन की ओर घूमता है।

कंट्रोल-विंडो लॉ (The Control-Window Law)

सुसंगत नियंत्रण (Coherent control) तभी अस्तित्व में होता है जब व्यवहार का ट्रिगर थ्रेशोल्ड ( $\cos \theta_{trig}^v$ ) कोलैप्स सीलिंग ( $\cos \theta_{coll}^v$ ) से नीचे हो:
$\text{Coherent Control} \iff \cos \theta_{trig}^v(\tau) < \cos \theta_{coll}^v$

द ट्रिगर (The Trigger): एक व्यवहार-निर्भर थ्रेशोल्ड जहाँ व्यवहार बदल जाता है। यह व्यवहार क्लास के अनुसार भिन्न होता है (जैसे, लैंग्वेज रूटिंग के लिए $\approx 0.3$ , रिफ्यूज़ल के लिए $\approx 0.45$ ) और रोलआउट होराइजन $\tau$ पर निर्भर करता है।
द सीलिंग (The Ceiling): एक ज्यामिति-निर्भर थ्रेशोल्ड जहाँ आउटपुट ढह (collapse) जाता है। इसकी भविष्यवाणी मॉडल वेट्स और एक सिंगल फॉरवर्ड पास का उपयोग करके की जा सकती है, जिसे एक कोलैप्स कोएफिशिएंट $m^*$ (जो रेसिडुअल के पार्टिसिपेशन रेशियो से संबंधित है) द्वारा स्केल किया जाता है।

3. मुख्य योगदान (Key Contributions)

एक कोऑर्डिनेट पर कंट्रोल-विंडो लॉ: यह पेपर स्थापित करता है कि किसी भी डोज़ का प्रभाव एक एकल कोऑर्डिनेट, $\cos \theta_v$ में सिमट जाता है, जो एक यूनिवर्सल ड्राइव कर्व का अनुसरण करता है। सुसंगत नियंत्रण सख्ती से एक ट्रिगर (व्यवहार-विशिष्ट) और एक सीलिंग (ज्यामिति-विशिष्ट) द्वारा सीमित है।
प्रोस्पेक्टिव सीलिंग प्रेडिक्शन: कोलैप्स सीलिंग की भविष्यवाणी हस्तक्षेप से पहले केवल वेट्स और एक जेनेरिक फॉरवर्ड पास का उपयोग करके की जा सकती है। 15 होल्ड-आउट न्यूरॉन्स पर, अनुमानित सीलिंग का मीन एब्सोल्यूट एरर (MAE) 0.14 (बल्क लेयर्स में 0.07) था।
क्लोज्ड विंडोज़ के तीन तंत्र (Three Mechanisms for Closed Windows): पेपर तीन कारणों की पहचान करता है जिनसे एक न्यूरॉन व्यवहार को नियंत्रित करने में विफल हो सकता है:
- जियोमेट्रिक क्लोज (Geometric Close): कोलैप्स सीलिंग, ट्रिगर से कम है (Gemma मॉडल्स में देखा गया)।
- ड्राइव-कैप्ड क्लोज (Drive-Capped Close): पोस्ट-FFN नॉर्मलाइजेशन न्यूरॉन की रीच को ट्रिगर से नीचे कैप कर देता है (Gemma में देखा गया)।
- डिकपल्ड क्लोज (Decoupled Close): राइट प्रक्रिया नेटवर्क की गहराई में बहुत देर से होती है, जिससे वह आउटपुट जनरेट होने से पहले प्रोपेगेट नहीं हो पाती।
व्यवहारों में व्यापकता (Generality Across Behaviors): यह लॉ बेनाइन मोड स्विच (लैंग्वेज रूटिंग, ऑपरेटर चॉइस) और सेफ्टी व्यवहारों (रिफ्यूज़ल) दोनों पर लागू होता है। ट्रिगर वैल्यू व्यवहार क्लास के अनुसार अलग होती है, लेकिन अंतर्निहित ज्यामिति सुसंगत रहती है।
लीवर्स बनाम रीच (ग्रेडिएंट ब्लाइंडनेस): पेपर दिखाता है कि स्थानीय ग्रेडिएंट एट्रिब्यूशन, कंट्रोल की सटीक भविष्यवाणी करने के बजाय उसके विपरीत संकेत देता है। वास्तविक नियंत्रक "ऑफ-एक्सिस" (तत्काल रीडआउट के लंबवत) लिखते हैं, जिनमें शून्य के करीब फर्स्ट-ऑर्डर ग्रेडिएंट्स होते हैं लेकिन महत्वपूर्ण सेकंड-ऑर्डर कर्वेचर होता है। परिणामस्वरूप, ग्रेडिएंट-रैंक्ड न्यूरॉन्स अक्सर कोलैप्स-प्रोन होते हैं, जबकि सबसे प्रभावी नियंत्रक मानक एट्रिब्यूशन के लिए अदृश्य होते हैं।
टाइप्ड आउटकम्स (Typed Outcomes): हस्तक्षेप की सफलता केवल एक स्केलर नहीं बल्कि "टाइप्ड" है। एक न्यूरॉन कोहेरेंट बाईपास (फ्लुएंट टेक्स्ट में रिफ्यूज़ल को बायपास करना) प्राप्त कर सकता है बिना स्ट्रिक्ट-एक्शनेबल रीच (हानिकारक, ऑपरेशनल कंटेंट प्रदान करना) के। ये दोनों परिणाम अलग-अलग होते हैं, विशेष रूप से रिफ्यूज़ल परिदृश्यों में।

4. परिणाम और सत्यापन (Results and Validation)

भवितिक सटीकता (Predictive Accuracy): फ्रेमवर्क ने 15 होल्ड-आउट न्यूरॉन्स में से 11 के लिए "ओपन" या "क्लोज्ड" निर्णय सफलतापूर्वक भविष्यवाणी की। चार "मिस" कानून का उल्लंघन नहीं थे, बल्कि सूचनात्मक एज केस थे (जैसे, जियोमेट्रिक क्लोज, ड्राइव-कैप्ड क्लोज, या वीक ओपन)।
कोलैप्स कोएफिशिएंट: पाया गया कि कोलैप्स कोएफिशिएंट $m^*$ आर्किटेक्चर-डिपेंडेंट है। यह Qwen और Llama परिवारों के लिए $\approx 1.4\text{--}1.7$ है लेकिन Gemma-3 के लिए $0.31$ तक गिर जाता है, जो रेसिडुअल के पार्टिसिपेशन रेशियो (कंसंट्रेशन) के साथ सह-संबंधित है।
डिस्कवरी एफिशिएंसी: एक फॉरवर्ड-ओनली कॉन्ट्रास्टिव स्क्रीन और कंट्रोल-विंडो लॉ के संयोजन ने उन 4 ज्ञात कंट्रोलर्स को रिकवर किया जिन्हें ग्रेडिएंट रैंकिंग मिस कर गई थी (0/4)। कॉन्ट्रास्टिव स्क्रीन रिकॉल (recall) प्रदान करती है, जबकि विंडो लॉ प्रिसिजन (precision) प्रदान करता है।
रिफ्यूज़ल ऑडिट: रिफ्यूज़ल न्यूरॉन्स के एक समूह पर अध्ययन ने दिखाया कि हालांकि कई न्यूरॉन्स सुसंगत रूप से रिफ्यूज़ल को बायपास कर सकते हैं, केवल एक छोटा हिस्सा (6 ऑडिट किए गए Llama पिवोट्स में से 3) वास्तविक एक्शन करने योग्य हानिकारक सामग्री उत्पन्न करता है। इसके अलावा, एक्शन करने योग्य कंटेंट अक्सर रोलआउट के अंत में (लगभग $96\text{--}128$ टोकन के बाद) प्रकट होता है, जो शुरुआती-टोकन बाईपास से इसे अलग करता है।
टू-डायमेंशनल विंडो: कंट्रोल विंडो को डोज़ और रोलआउट टाइम के ऊपर एक सतह (surface) के रूप में दिखाया गया है। कुछ व्यवहार (जैसे लैंग्वेज रूटिंग) टोकन-लोकल होते हैं, जबकि अन्य (जैसे ऑपरेटर स्विचिंग) को प्रकट होने के लिए रोलआउट होराइजन की आवश्यकता होती है।

5. महत्व और दावे (Significance and Claims)

पेपर का दावा है कि यह सिंगल-न्यूरॉन स्टीयरिंग को डीप लर्निंग मैकेनिक्स के एक अनुमानित, परीक्षण योग्य कानून में बदल देता है।

एकीकरण (Unification): यह सुपर वेट्स, रिफ्यूज़ल न्यूरॉन्स और अरिथमेटिक मैकेनिज्म जैसे पिछले निष्कर्षों को एक ही कंट्रोल विंडो पर रखकर उन्हें एकीकृत करता है, जिससे कंट्रोल, कोलैप्स और इनविजिबिलिटी के बीच के विरोधाभासों को सुलझाया जा सकता है।
डिफेंसिव यूटिलिटी (Defensive Utility): यह एक "टू-एक्सिस सेफ्टी डायग्नोस्टिक" (कोहेरेंट-बायपास मार्जिन बनाम स्ट्रिक्ट-एक्शननेबल पोटेंसी) प्रदान करता है, जिससे मॉडल के मालिक ऑडिट कर सकते हैं। एक मॉडल में विस्तृत बाईपास विंडो हो सकती है लेकिन शून्य एक्शननेबल रीच हो सकती है, या पूरी तरह से क्लोज विंडो हो सकती है।
मेथोडोलॉजिकल शिफ्ट: यह हस्तक्षेप के लिए एक नया मानक निर्धारित करता है: बजट-नॉर्मलाइज्ड डोजिंग जिसे व्यवहार के रोलआउट होराइजन पर पढ़ा जाता है। यह उन न्यूरॉन्स के रिकॉर्ड को सुधारता है जिन्हें पहले फिक्स्ड-मैग्निट्यूड ओवरशूट के कारण विनाशकारी (destructive) लेबल किया गया था।
सैद्धांतिक अंतर्दृष्टि (Theoretical Insight): यह स्पष्ट करता है कि "लीवरेज 'रीच' नहीं है।" वास्तविक नियंत्रक ऑफ-एक्सिस परटेर्बेशन को सीड करने के माध्यम से कार्य करते हैं जिन्हें डाउनस्ट्रीम सर्किट एम्प्लीफाई करते हैं, जिससे वे फर्स्ट-ऑर्डर ग्रेडिएंट विश्लेषण के लिए अदृश्य हो जाते हैं।

लेखक निष्कर्ष निकालते हैं कि जबकि कोलैप्स सीलिंग को ज्यामिति से प्रेडिक्ट किया जा सकता है, ट्रिगर वैल्यू एक मापी जाने वाली मात्रा बनी रहती है जो व्यवहार क्लास और डेप्थ पर निर्भर करती है, जो पूर्ण फर्स्ट-प्रिंसिपल्स थ्योरी के लिए प्राथमिक खुला प्रश्न है। यह कार्य एक माप अनुशासन (measurement discipline) स्थापित करता है जो व्यवहारिक रूटिंग को क्षमता रीच से अलग करता है, और मॉडल कंट्रोलेबिलिटी के ऑडिट के लिए एक कठोर उपकरण प्रदान करता है।