Współczesne modele językowe są coraz bardziej dostosowane do tłumienia hallucynacji na rzecz faktycznej precyzji, co może ograniczać spekulacyjne badania i rozwój nowych rozwiązań. Badacze z arXiv zaproponowali radykalnie inny podход - wykorzystanie hallucynacji jako zasobu twórczości naukowej. Ich system oparty na Rust'e stosuje architekturę multi-agentową, gdzie wysokoentropijny agent generuje speculative pomysły, podobnie do marzenia się na jawie, podczas gdy wykonawczy agent ocenia ich wiarygodność na podstawie wyszukiwań internetowych.
Serdcem systemu jest pętla epistemologicznego tarcia mediowana niakontropijnym semantic bottleneck'iem, którego zadaniem jest redukcja szumów i powtórzeń. Taki układ pozwala na generowanie różnorodnych, ocenionych pod względem wykonalności hipotez zarówno w naukach ścisłych, jak i społecznych. Wstępne eksperymenty wykazały, że bezpośrednie prompting to jeden z najsłabszych warunków w większości mierzonych metryk.
Ciekawe, że pełna architektura nie wykazuje ogólnej przewagi nad prostszą samorefleksją modelu. Zamiast tego wyniki sugerują, że każda konfiguracja systemu zmienia równowagę między oryginalnością pomysłów, ich realizowalnością, różnorodnością i empirycznym ugruntowaniem. To otwiera pytania o optymalne sposoby równoważenia kreatywności z rygorem naukowym w procesie generowania nowych hipotez.