Naukowcy zaprezentowali TimeCapsule, model LLaMA o 1,2 miliarda parametrów wytrenowany wyłącznie na tekstach angol-amerykańskich z okresu wiktoriańskiego (1800-1875), aby stworzyć izolowaną temporalnie archiwum generacyjne. Model osiągnął znaczący postęp względem GPT-2, wykazując 45,4% zmniejszenie perplexity na testowych tekstach епохи викторian, co wskazuje na efektywność tego specjalistycznego podejścia treningowego.
Głównym odkryciem jest to, że struktura ignorancji względem przyszłości przekształca hallucynacje modelu w interpretacyjne sondy osiemnastowiecznych ontologii. TimeCapsule wykazuje umiejętność generowania historycznie wiarygodnych analogii dla nowoczesnych pojęć - przykładowo opisuje komputer jako "powiększone płuco" czy inne porównania zaczerpnięte z logiki епохи. Znacząca zaś jest obserwacja, że większe współczesne modele osiągają mniejszą bezwzględną perplexity dzięki szerszemu pretrainingowi, ale brakuje im czasowej izolacji niezbędnej do autentyczności historycznej.
Badanie hermeneutyczne z dwoma naukowcami zajmującymi się humanistyką ujawniło głębszy problem - obie osoby mylnie zaklasyfikowały około 40% prawdziwych ekstraktów епохи викторian jako wyprodukowane maszynowo. To nie tylko wskazuje na zdumiewającą jakość hallucynacji modelu, ale też sugeruje, że wyuczona ignorancja przyszłości może być metodą do badania tego, jak poprzednie pokolenia konceptualizowały rzeczywistość. Podejście to otwiera nowe możliwości dla cyfrowej humanistyki.