Naukowcy zaproponowali, że autogeneratywna teoria języka Elana Barenholtz'a może wzbogacić integracjonizm Roy'a Harrisa, klasyczną teorię lingwistyczną krytykującą computacyjne podejście do języka. Harris argumentuje, że mowa nie jest kodem odwzorowującym świat, ale działaniem umiejscowionym w kontekście, nastawionego na wspólne działanie między uczestnikami. To stanowi fundamentalny sprzeciw wobec tradycjonalnego poglądu, który stanowi serce większości algorytmów NLP.
Autogeneratywna teoria wyłania się bezpośrednio z obserwacji, jak zachowują się duże modele językowe. Harris pozostawia jednak pewne luki: nie wyjaśnia dokładnie, jak znaki utrzymują otwartość przyszłości, niedostatecznie teoretyzuje kontinuum między działaniami językowymi a pozajęzykowymi znakami, i nie opisuje struktury gromadzonego archiwum poprzednich integracji. Barenholtz'a teoria dostarcza właśnie tych brakujących części - mechanizmu strukturalnego dla otwartości prospektywnej, obliczeniowego odpowiednika tezy Harrisa o ciągłości semiycznej, i szczegółowej teorii archiwum.
To połączenie teorii ma głębokie implikacje dla zrozumienia fundamentów LLM-ów. Zamiast traktować modele jako kodujące statyczne reprezentacje, synthesis zachowuje ontologiczny prymat Harrisa dla umiejscowionego aktu integracyjnego, dodając jednocześnie precyzyjne wyjaśnienie, jak modele przechowują i wykorzystują wcześniejsze wzorce. To może zmienić paradygmaty badań nad interpretowalnością i fundamentami obliczeniowych modeli języka.