Badania publikowane na arXiv pokazują, że oddzielanie wierzeń bohaterów od rzeczywistości w modelach językowych opiera się na dwóch wyraźnie separowalnych mechanizmach działających w różnych pozycjach sieci neuronowej. Punkt kluczowy stanowi generyczny slot wartości, który wiąże przypisaną wartość, oraz router na pozycji zapytania, który wybiera czy model czyta wiarygodność z perspektywy postaci czy rzeczywistości. Dwie trasy prowadzą do tego slotu: wiarygodność asertywna, której wartość pochodzi bezpośrednio z tekstu, oraz wiarygodność pochodna, którą model musi wnioskować z tego, co postać mogła zobaczyć.
Ważne odkrycie polega na tym, że sam slot wartości nie zawiera informacji czy dotyczy wiary czy rzeczywistości. Interweniując na slocie, można równie mocno przesunąć odczyt rzeczywistości co wiary. Separacja faktycznie żyje w zdysocjowanej parze podprzestrzeni routingu, które przełączają zapytania między ramkami bez wprowadzania wartości z jednego kontekstu do drugiego. Te wyniki utrzymują się w trzech różnych architekturach modeli i pojawiają się konsekwentnie między modelami 3B a 7B parametrów w pięciu rodzinach modeli.
Badanie ma szersze implikacje dla zrozumienia jak AI przetwarzają kontekst. Naukowcy pokazali że ten sam format slot-i-router pojawia się też w innych nie-faktycznych kontekstach, jakie zdanie może otwierać - kontrfaktycznych czy fikcyjnych. To sugeruje uniwersalny mechanizm, którym modele ustrukturyzowały różne perspektywy i możliwe światy, co może być fundamentalne dla zdolności modeli do rozumienia złożonych scenariuszy z wieloma możliwościami interpretacyjnymi.