Badacze opracowali metodę dynamicznego dostosowania liczby warstw transformera w zależności od złożoności przetwarzanego tokenu. System uczy się, które tokeny wymagają głębszych obliczeń, a które mogą być przetworzone szybciej, co prowadzi do zmniejszenia kosztów obliczeniowych bez utraty jakości. Rozwiązanie ma znaczenie dla optymalizacji efektywności modeli, szczególnie ważne dla wdrażania na urządzeniach z ograniczonymi zasobami.