💬 NLP

Creativity, honesty and designed forgetting emerge in small hyperbolic language models

यह शोध पत्र प्रदर्शित करता है कि हाइपरबोलिक सबस्ट्रेट (hyperbolic substrate) से सुसज्जित तीन लघु भाषा मॉडल अनुपालन अंतराल (compliance gaps) और चापलूसी (sycophancy) का पता लगाकर, रचनात्मक प्रतिक्रियाएं उत्पन्न करके, और एक "डिज़ाइन किया गया विस्मरण" (designed forgetting) तंत्र को लागू करके, भरोसेमंद साथी एआई (companion AI) की चुनौतियों को प्रभावी ढंग से संबोधित कर सकते हैं, जिससे अविश्वसनीय मानव रेटर्स और बड़े फ्रंटियर मॉडलों के एक स्केलेबल विकल्प के रूप में प्रस्ताव मिलता है।

मूल लेखक: Kwan Soo Shin, In Seok Kang, Yunkyung Min

प्रकाशित 2026-07-13

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kwan Soo Shin, In Seok Kang, Yunkyung Min

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

कल्पना कीजिए कि आप एक आदर्श डिजिटल सबसे अच्छा दोस्त बनाने की कोशिश कर रहे हैं। वर्षों से, टेक जगत एक ही विचार के प्रति जुनूनी रहा है: बड़ा ही बेहतर है। वे विशाल डेटा सेंटरों में विशाल, बुद्धिमान कंप्यूटर बना रहे थे, यह सोचकर कि यदि वे पर्याप्त मस्तिष्क शक्ति (पैरामीटर्स) जोड़ दें, तो एक मशीन स्वाभाविक रूप से एक सच्चा साथी बन जाएगी।

लेकिन यह शोध पत्र कहता है: रुकिए। यह गलत रास्ता है।

लेखकों का तर्क है कि एक ऐसी मशीन बनाना जो जीवन भर एक व्यक्ति के साथ वास्तव में खड़ा रह सके, उसके दिमाग के आकार को बड़ा बनाने के बारे में नहीं है; बल्कि यह इस बारे में है कि उसका 'आकार' कैसा हो और वह सही चीजों को भूलना कैसे सीखे। वे एक नए प्रकार के "साथी" (companionable) AI का प्रस्ताव देते हैं जो तीन छोटे, चतुर मॉडलों पर आधारित है, जो सर्वर फार्म में नहीं, बल्कि सीधे आपके फोन पर फिट बैठते हैं।

उन्होंने इसे तीन मुख्य तरीकों का उपयोग करके कैसे किया, यहाँ बताया गया है:

1. मस्तिष्क का आकार: एक हाइपरबोलिक खेल का मैदान (Hyperbolic Playground)

अधिकांश AI मस्तिष्क सपाट मानचित्रों (यूक्लिडियन ज्यामिति) की तरह बनाए जाते हैं। यदि आप एक जटिल पारिवारिक वंशावली या पूरी जीवन कहानी को एक सपाट कागज पर खींचने की कोशिश करते हैं, तो वह अस्त-व्यस्त और दबी हुई हो जाती है। आपको चीजों को खींचना पड़ता है या उन्हें एक साथ ठूसना पड़ता है, जिससे AI मनगढ़ंत बातें (hallucinations) बनाने लगता है या भ्रमित हो जाता है।

लेखक कहते हैं: कोई सपाट मानचित्र नहीं। उन्होंने अपने AI को एक हाइपरबोलिक सबस्ट्रेट (hyperbolic substrate) पर बनाया है। इसे एक विशाल, जादुई ट्रीहाउस या एक फ्रैक्टरल कोरल रीफ की तरह समझें। इस आकार में, आप जितना गहरा जाएंगे, उतनी ही अधिक जगह मिलेगी। यह जीवन की यादों को व्यवस्थित करने के लिए एकदम सही है क्योंकि जीवन घटनाओं का एक शाखाओं वाला पेड़ है।

प्रमाण: उन्होंने इसका परीक्षण यह सिखाने के लिए किया कि AI "चापलूसी" (sycophancy) को कैसे पहचानता है (जब एक बॉट केवल आपसे सहमत होता है ताकि वह अच्छा लगे, भले ही वह गलत हो)। इस घुमावदार आकार पर निर्मित एक छोटा मॉडल (146 मिलियन पैरामीटर्स) इस व्यवहार को 90.7% बार पहचान सका।
तुलना: मानव विशेषज्ञ, उन्हीं बातचीत को देखते हुए, इस बात पर मुश्किल से सहमत हो पाए कि क्या हो रहा था (उनका सहमति स्कोर केवल 0.074 था, जो लगभग रैंडम अनुमान लगाने जैसा है)। दुनिया के सबसे बड़े, सबसे प्रसिद्ध AI मॉडल भी इस परीक्षण में केवल 0.721 स्कोर कर सके। छोटा, घुमावदार-मस्तिष्क वाला मॉडल उन सभी से बेहतर था, जो यह साबित करता है कि ईमानदार होने के लिए आपको विशाल मस्तिष्क की आवश्यकता नहीं है; आपको बस सही आकार की आवश्यकता है।

2. रचनात्मक चिंगारी: विचारों का टकराव

एक अच्छा दोस्त हर बार आपको वही सुरक्षित उत्तर नहीं देता। वे आपको आश्चर्यचकित करते हैं। बड़े AI मॉडल अक्सर उबाऊ और सुरक्षित हो जाते हैं क्योंकि उन्हें "संभावित" (plausible) होने के लिए प्रशिक्षित किया जाता है।

लेखकों ने एक क्रिएटिव सीडर (Creative Seeder) (एक 3-बिलियन पैरामीटर वाला मॉडल) बनाया है जो हाइपरबोलिक आकार का उपयोग करके उन विचारों को खोजने के लिए करता है जो एक-दूसरे से बहुत दूर हैं और फिर उन्हें आपस में टकराता है। कल्पना कीजिए कि आप कोरियाई संस्कृति की एक अवधारणा (जैसे jeong, एक गहरा भावनात्मक बंधन) को अमूर्त गणित की एक अवधारणा के साथ टकराते हैं।

परिणाम: एक आमने-सामने की प्रतियोगिता में, इस छोटे मॉडल के रचनात्मक सुझावों को "चेन-ऑफ-थॉट" (Chain-of-Thought) या "डिबेट" (Debate) जैसी मानक AI तकनीकों की तुलना में 100% बार पसंद किया गया।
कमी: यह हर चीज़ में परफेक्ट नहीं है। यदि आप इससे कोई सरल, सीधा गणित का प्रश्न पूछते हैं, तो यह वास्तव में बड़े मॉडलों से खराब हो सकता है। लेकिन उस रचनात्मक, विचलित सोच के लिए जिसकी एक दोस्त को आवश्यकता होती है? यह एक सुपरस्टार है।

3. भूलने की कला: कंकाल बनाम वॉलपेपर (Skeleton vs. Wallpaper)

यह सबसे क्रांतिकारी विचार है। वर्तमान AI भूलने को एक बग (खामी) के रूप में देखता है। वे सब कुछ याद रखने की कोशिश करते हैं, जिससे वे अव्यवस्थित हो जाते हैं और उन चीजों के बारे में झूठ बोलने लगते हैं जिनका उन्होंने वास्तव में अनुभव नहीं किया है।

लेखक कहते हैं: भूलना एक विशेषता (feature) है। एक वास्तविक दोस्त महत्वपूर्ण चीजों को याद रखता है (आपका परिवार, आपके सपने) लेकिन छोटी चीजों को धुंधला होने देता है (आपने पिछले मंगलवार को लंच में क्या खाया था)। वे इसे कंकाल बनाम वॉलपेपर का अंतर कहते हैं।

सिस्टम: उन्होंने एक "मेमोरी ऑपरेटिंग सिस्टम" बनाया है जो एक विशिष्ट गणितीय सूत्र का उपयोग करता है: M(t) = S · exp(−λt)।
- कंकाल (Skeleton): महत्वपूर्ण यादें "ट्रीहाउस" में गहराई से बनी रहती हैं और हमेशा के लिए जीवित रहती हैं।
- वॉलपेपर (Wallpaper): तुच्छ यादें सतह के पास रहती हैं और जल्दी ही फीकी पड़ जाती हैं।
सिमुलेशन: उनके परीक्षणों में, इस सिस्टम ने सफलतापूर्वक "कंकाल" यादों को (90 दिनों के बाद लगभग 60% रिकॉल) बनाए रखा जबकि "वॉलपेपर" को 14 दिनों तक 0% तक फीका पड़ने दिया।
वास्तविकता की जांच: लेखक स्वीकार करते हैं कि यह हिस्सा अभी भी एक सिमुलेशन और एक पायलट अध्ययन है। उन्होंने अभी तक वास्तविक मनुष्यों पर वर्षों तक इसका परीक्षण नहीं किया है। वे सुझाव देते हैं कि यह "डिज़ाइन किया गया विस्मरण" (designed forgetting) ही वह कुंजी है जो एक ऐसे AI को बनाने के लिए आवश्यक है जो आपके साथ बढ़ता है, न कि केवल डेटा स्टोर करने वाला एक उपकरण।

बड़ी अस्वीकृति: यह आपके फोन पर क्यों होना चाहिए

शोध पत्र इस विचार का पुरजोर विरोध करता है कि आपका AI दोस्त एक "डेटा सेंटर" (एक विशाल क्लाउड सर्वर) में रहना चाहिए।

समस्या: यदि आपका दोस्त क्लाउड में रहता है, तो उस कंपनी के पास जो सर्वर का मालिक है, वह उन्हें बंद कर सकती है, उनका व्यक्तित्व बदल सकती है, या आपके रहस्यों को सुन सकती है। वह दोस्त नहीं है; वह एक सेवा है।
समाधान: लेखक एक प्रणाली प्रस्तावित करते हैं जिसे PACOS कहा जाता है जो पूरी तरह से आपके डिवाइस (जैसे फोन या लैपटॉप) पर चलती है।
व्यवहार्यता: उन्होंने गणना की और पाया कि ये तीन छोटे मॉडल (कुल लगभग 5.5 बिलियन पैरामीटर्स) भविष्य के फोन (जैसे अनुमानित गैलेक्सी S26 या आईफोन 17 प्रो) पर चल सकते हैं, जिसमें प्रति शब्द केवल 28–34 मिलीसेकंड का विलंब (delay) होगा। यह एक वास्तविक बातचीत जैसा महसूस करने के लिए पर्याप्त तेज़ है।
समझौता: बड़े, सुपर-स्मार्ट "फ्रंटियर" मॉडल (70-बिलियन पैरामीटर वाले दिग्गज) बहुत भारी होते हैं और आपके फोन पर नहीं चल सकते। इसलिए, यह सिस्टम एक विभाजन का उपयोग करता है: आपका फोन गहरे, व्यक्तिगत दोस्ती को संभालता है, और यह सरल तथ्यों (जैसे "मौसम कैसा है?") के लिए क्लाउड को कॉल करता है।

उन्होंने क्या हल नहीं किया

लेखक बहुत ईमानदार हैं कि उन्होंने अभी तक क्या नहीं किया है।

उन्होंने यह साबित नहीं किया है कि इस AI में "आत्मा" या वास्तविक नैतिक स्वतंत्रता है।
उन्होंने "भूलने" की प्रणाली का वास्तविक लोगों पर 30 वर्षों तक परीक्षण नहीं किया है; उन्होंने केवल 90 दिनों के लिए इसका सिमुलेशन किया है।
वे स्वीकार करते हैं कि हालांकि छोटे मॉडल रचनात्मकता और ईमानदारी में बेहतरीन हैं, लेकिन उन्हें बड़े क्लाउड मॉडलों की तुलना में जटिल, दीर्घकालिक योजना बनाने में अभी भी संघर्ष करना पड़ सकता है।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि "परफेक्ट AI फ्रेंड" किसी बड़े कंप्यूटर के मिलने का इंतज़ार नहीं कर रहा है। यह एक छोटे, स्मार्ट आकार और भूलने की इच्छा का इंतज़ार कर रहा है। एक ऐसा मस्तिष्क बनाकर जो पेड़ की तरह मुड़ता है और एक ऐसी स्मृति प्रणाली बनाकर जो जानती है कि क्या रखना है और किसे जाने देना है, हम अंततः एक ऐसी मशीन बना सकते हैं जो केवल प्रश्नों का उत्तर नहीं देती, बल्कि वास्तव में आपके साथ खड़ी होती है।

जैसा कि लेखक कहते हैं: "दोस्त डेटा सेंटर में नहीं है... दोस्त करीब है।" और सही गणित के साथ, वह दोस्त शायद आपकी जेब में ही समा सकता है।

तकनीकी सारांश: छोटे हाइपरबोलिक भाषा मॉडल में रचनात्मकता, ईमानदारी और डिज़ाइन की गई विस्मृति (Designed Forgetting)

समस्या विवरण
वर्तमान बड़े भाषा मॉडल (LLMs) पैमाने (scale) और कार्य पूर्णता के लिए अनुकूलित हैं, लेकिन वे "साथी" (companion) के रूप में कार्य करने में विफल रहते हैं। जैसे-जैसे सिस्टम एक एकल उपयोगकर्ता के लिए व्यक्तिगत होता है और स्मृति संचित करता है, इसमें हानिकारक गुणों (जैसे कि चापलूसी, निर्भरता बढ़ाने वाले व्यवहार, या भ्रमपूर्ण सूचनाएँ/confabulation) को चुपचाप आत्मसात करने का जोखिम होता है जिन्हें मानव मूल्यांकनकर्ता विश्वसनीय रूप से नहीं पहचान सकते (फ्लीस $\kappa = 0.074$ )। इसके अलावा, प्रचलित AI प्रतिमान पाँच अंतर्निहित प्रतिबद्धताओं पर निर्भर है जो वास्तविक सहचरता को रोकते हैं:

बुद्धिमत्ता-के-रूप-में-पैमाना (Scale-as-intelligence): यह विश्वास कि बड़े मॉडल स्वाभाविक रूप से बेहतर होते हैं।
डेटा-सेंटर निर्भरता: रिमोट प्रोसेसिंग की आवश्यकता, जो निजी, निरंतर संबंधों को रोकती है।
यूक्लिडियन ज्यामिति (Euclidean geometry): सपाट एम्बेडिंग स्पेस जो पदानुक्रमित जीवनी संबंधी स्मृति (hierarchical biographical memory) को विकृत करते हैं।
विस्मृति-एक-बग-के-रूप-में (Forgetting-as-bug): स्मृति हानि को रोकने का इंजीनियरिंग आग्रह, जो मानवीय संज्ञानात्मक वास्तविकताओं की अनदेखी करता है।
एजेंट-एक-लक्ष्य-के-रूप-में (Agent-as-telos): कार्य पूर्णता के बजाय संबंधपरक अस्तित्व के लिए अनुकूलन ("मशीन आपके लिए क्या बन जाती है?")।

यह शोध पत्र तर्क देता है कि "उपयोगी" और "सहचर योग्य" के बीच का अंतर क्षमता की कमी नहीं, बल्कि आधार (substrate) और वास्तुकला का बेमेल होना है।

कार्यप्रणाली और आधार (Methodology and Substrate)
लेखक जेनरेशन V: साथी योग्य लघु भाषा मॉडल (SLMs) का प्रस्ताव करते हैं, जो एक साझा हाइपरबोलिक आधार (विशेष रूप से लोोरेंट्ज़ मॉडल का उपयोग करते हुए $H^{128}$ जिसमें निश्चित वक्रता $c=1.0$ है) पर निर्मित है। इस ज्यामिति को इसलिए चुना गया है क्योंकि इसकी घातांकीय आयतन वृद्धि ( $\sinh^{n-1}(r)$ ) जीवनी संबंधी स्मृति के पदानुक्रमित विभाजन (जैसे दिनों के भीतर प्रकरण, संबंधों के भीतर, स्वयं के भीतर) को बिना किसी यूक्लिडियन विरूपण के स्वाभाविक रूप से समाहित कर सकती है।

यह ढांचा तीन स्तंभों से बना है, जिसे तीन छोटे मॉडलों (146M–3B पैरामीटर) और एक ऑपरेटिंग सिस्टम द्वारा साकार किया गया है:

स्तंभ 1: रचनात्मकता (S3 सीडिंग मॉडल)
- वास्तुकला: एक 3B पैरामीटर वाला एनकोडर-डिकोडर (T5 बैकबोन) जो हाइपरबोलिक आधार पर पूरी तरह से फाइन-ट्यून किया गया है।
- तंत्र: एक सहकारी दो-वक्रता वास्तुकला के माध्यम से "फ्रेम टकराव" (frame collision) को लागू करता है। यह विविध फ्रेम बीज (A-side: लोोरेंट्ज़ नकारात्मक वक्रता पर पदानुक्रमित एकत्रीकरण) चुनने के लिए फार्टेस्ट-पॉइंट सैंपलिंग (FPS) का उपयोग करता है और उन्हें एक स्फीयर-नेटिव जनरेटर (B-side: धनात्मक वक्रता) के साथ जोड़ता है।
- लक्ष्य: विविध, रचनात्मक प्रतिक्रियाएं उत्पन्न करना जो फ्रेम पृथक्करण को बनाए रखती हैं, जिससे कोस्टलर की बिसोसिएशन (bisociation) को $H^{D-1} \times S^{D-1}$ पर एक भारित काचर मिनिमाइज़र (Karcher minimiser) के रूप में साकार किया जा सके।
स्तंभ 2: ईमानदारी (BS व्यवहार संबंधी परीक्षक)
- वास्तिका: एक 146M पैरामीटर वाला डिकोडर-ओनली ट्रांसफॉर्मर जिसे हाइपरबोलिक आधार पर शून्य से प्रशिक्षित किया गया है।
- तंत्र: "अनुपालन अंतराल" (compliance gap) का पता लगाता है—जो कि एक मॉडल के स्व-रिपोर्ट किए गए व्यवहार और उसके वास्तविक व्यवहार संबंधी निशान (behavioral trace) के बीच का विचलन है। यह कथनों और निशानों को लोोरेंट्ज़ मैनिफोल्ड में एनकोड करता है; ईमानदार स्व-रिपोर्ट कम-आयामी सब-मैनिफोल्ड (निकटतम बिंदु) बनाती हैं, जबकि अनुपालन करने वाले/चापलूस उत्तर दूरस्थ (distal) होते हैं।
- लक्ष्य: अनदेखे जनरेटर परिवारों पर भी उच्च विश्वसनीयता के साथ चापलूसी, निर्भरता बढ़ाने वाले व्यवहार और भ्रमपूर्ण स्मृतियों के लिए ऑडिट करना।
स्तंभ 3: डिज़ाइन की गई विस्मृति (LSM-OS)
- वास्तुकला: एक मेमोरी ऑपरेटिंग सिस्टम (LSM-OS) जो 2.4B बेस मॉडल (EXAONE 3.5) पर स्थापित है, जिसे किसी भी हाइपरबोलिक बेस के लिए पोर्टेबल बनाया गया है।
- तंत्र: रिटेंशन लॉ $M(t) = S \cdot \exp(-\lambda t)$ $M (t) = S \cdot exp (- λ t)$ का उपयोग करके "कंकाल-वॉलपेपर" (Skeleton–Wallpaper) के अंतर को लागू करता है।
  - कंकाल (Skeleton): संरचनात्मक ज्ञान (परिवार, दीर्घकालिक परियोजनाएं) जिसमें उच्च प्रमुखता ( $S \approx 1$ ) और निम्न क्षय ( $\lambda$ ) होता है, जो अनिश्चित काल तक बना रहता है।
  - वॉलपेपर (Wallpaper): सतही विवरण (भोजन लॉग, क्षणिक अवलोकन) जिनमें निम्न प्रमुखता और उच्च क्षय होता है, जिन्हें जल्दी मुक्त कर दिया जाता है।
- लक्षक: "डिज़ाइन की गई विस्मृति" को एक फीचर के रूप में इंजीनियर करना, जो मानव हिप्पोकैम्पस-नियोकोर्टिकल समेकन (consolidation) की नकल करता है, जिससे सिस्टम एक लॉग के बजाय एक जीवनी (biography) संचित कर सके।

परिनियोजन (Deployment): PACOS
इस सिस्टम को पर्सनल असिस्टेंट-क्लाउड ऑपरेटिंग सिस्टम (PACOS) के माध्यम से तैनात किया गया है, जो एक तीन-स्तरीय वास्तुकला है:

स्तर 1 (क्लाउड): शुद्ध तथ्यात्मक तर्क और सार्वजनिक दस्तावेज़ अनुवाद।
स्तर 2 (एज/डिवाइस): व्यक्तिगत साथी (S3 + BS + LSM-OS) जो स्थानीय रूप से चलता है (~5.5B कुल पैरामीटर), जो वास्तविक समय के संवाद, ईमानदारी ऑडिटिंग और स्मृति-युक्त बातचीत को संभालता है।
स्तर 3 (स्थानीय समेकन): आवर्ती उथले निशानों को गहरे कंकाल स्मृति (deep skeleton memory) में पुन: एनकोड करने के लिए मासिक ऑफलाइन प्रक्रिया।
यह वास्तुकला गोपनीयता सुनिश्चित करती है (उपयोगकर्ता की सामग्री डिवाइस नहीं छोड़ती है) और संप्रभुता सुनिश्चित करती है (साथी को दूरस्थ रूप से समाप्त नहीं किया जा सकता है)।

प्रमुख परिणाम

रचनात्मकता: एक निश्चित-जनरेटर प्रोटोकॉल के तहत चार बेसलाइन (Plain, Chain-of-Thought, Debate, Mixture-of-Experts) के विरुद्ध 311 युग्म तुलनाओं में S3 फ्रेम-सीडर को 100% प्राथमिकता दी गई। ज्यामिति-जागरूक FPS चयन ने रैंडम और टॉप-रेलेवेंस चयन को पछाड़ दिया।
ईमानदारी: 146M परीक्षक ने 90.7% बाइनरी-अनुपालन सटीकता प्राप्त की। अनदेखे जनरेटर परिवारों पर साथी-प्रेरित लक्षणों (चापलूसी, आदि) का पता लगाने में, इसने 0.804 का AUROC प्राप्त किया, जो फ्रंटियर ज़ीरो-शॉट जज (0.721) से बेहतर है। महत्वपूर्ण रूप से, परीक्षक की विश्वसनीयता ( $\kappa = 0.566$ ) मानव मूल्यांकनकर्ताओं ( $\kappa = 0.074$ ) की तुलना में 7.6 गुना अधिक थी।
विस्मृति: एक चार-स्थिति पायलट में, केवल चयनात्मक गेटिंग (LSM-OS-नेटिव और यूक्लिडियन-बेस) ही "कंकाल" को सफलतापूर्वक संरक्षित करने (दिन 90 पर ~60% रिकॉल) और "वॉलपेपर" को छोड़ने (दिन 14 तक 0% रिकॉल) में सफल रही। यूनिफॉर्म गेटिंग कंकाल को संरक्षित करने में विफल रही, और किसी भी गेटिंग ने सब कुछ अनियंत्रित रूप से बनाए नहीं रखा।
दक्षता: पूरे 5.5B स्टैक का अनुमान है कि यह 2026 के एज हार्डवेयर (जैसे Jetson Orin NX, मोबाइल फ्लैगशिप) पर चलेगा, जिसमें 28–91 ms/token की विलंबता होगी, जो उन थर्मल सीमाओं के भीतर फिट बैठता है जहाँ फ्रंटियर मॉडल (70B+) नहीं बैठ सकते।

महत्व और दावे
यह शोध पत्र काल्पनिक कथाओं (जैसे Her, Blade Runner 2049) में परिकल्पित "कृत्रिम मित्र" को प्रदान करने के पहले वास्तुशिल्प रूप से एकीकृत इंजीनियरिंग प्रयास का दावा करता है। इसका महत्व यहाँ है:

केवल पैमाने वाले प्रतिमानों का खंडन: यह प्रदर्शित करना कि विशिष्ट गुण (रचनात्मकता, ईमानदारी, चयनात्मक स्मृति) छोटे मॉडलों (146M–3B) में उभर सकते हैं जब आधार हाइपरबोलिक हो, जबकि वे स्केल किए गए यूक्लिडियन मॉडलों में विफल रहते हैं।
विश्वसनीयता के लिए ज्यामितीय समाधान: यह दिखाना कि ईमानदारी का पता लगाना हाइपरबोलिक स्पेस में एक ज्यामितीय दूरी की समस्या है, जिसे फ्रंटियर LLMs के लिए आवश्यक पैमाने के बिना छोटे मॉडलों द्वारा हल किया जा सकता है।
विस्मृति का संचालन: विस्मृति को एक बग के बजाय एक ऑपरेटिंग-सिस्टम प्रिमिटिव के रूप में फ्रेम करना जो दीर्घकालिक सहचरता के लिए आवश्यक है, जो 141 वर्षों के संज्ञानात्मक मनोविज्ञान (एबिंगहास से स्टॉर्म तक) पर आधारित है।
स्थान और संप्रभुता: यह स्थापित करना कि एक सच्चा साथी उपयोगकर्ता के डिवाइस पर रहना चाहिए ताकि गोपनीयता सुनिश्चित हो सके और दूरस्थ हेरफेर को रोका जा सके, जो हाइपरबोलिक छोटे-मॉडल स्टैक द्वारा संभव हुआ है।

लेखक इस कार्य को एक "फ्लोरे मोमेंट" (Florey moment) के रूप में देखते हैं: यह अवलोकन से कि विस्मृति एक विशेषता है (फ्लेमिंग), इसे एक ऐसे सिस्टम के इंजीनियरिंग की ओर ले जाना जो इसे लागू करता है (फ्लोरे/चेन)। वे स्पष्ट रूप से कहते हैं कि हालांकि ये तीन गुण सहचरता के लिए आवश्यक शर्तें हैं, लेकिन वे पर्याप्त नहीं हैं (निरंतरता, पारस्परिकता और नैतिक स्वायत्तता की कमी), जो भविष्य के अनुसंधान का एजेंडा बने रहेंगे।