Ця стаття пропонує новий підхід для розширення можливостей великих мовних моделей під час післянавчання шляхом повторного введення станів Маркова. Вона стверджує, що поточні парадигми післянавчання часто досягають "стелі можливостей" через обмеження у захопленні складних послідовних залежностей. Завдяки інтеграції станів Маркова модель може краще навчатися та узагальнювати різні завдання, що призводить до значних покращень у міркуванні, плануванні та розумінні довгого контексту, відкриваючи нові потенціали для застосувань LLM.