نُقدِّم خوارزمية توجيه تأخذ تسلسلاً من المتجهات وتحسب تسلسلاً جديداً طوله محدد وبحجم متجهات محدد. حيث تُحسّن كل متجه ناتج من حيث "القيمة مقابل البت"، أي الفرق بين الفائدة الصافية لاستخدام البيانات والتكلفة الصافية لتجاهلها، من خلال تحسين التنبؤ بالمتجهات المدخلة. ونُصِف المتجهات الناتجة ككائنات هندسية، وكمتغيرات خفية تقوم بتوزيع المساءلة، وكمُسْتَوَى طلب في نموذج للذاكرة الترابطية، وكعوامل في نموذج لمجتمع العقل. ونُنفِّذ الخوارزمية باستخدام تحسينات تقلل عدد المعاملات، والحسابات، واستهلاك الذاكرة بمقدار طبقة أو أكثر، مما يمكّننا من توجيه تسلسلات أطول من أي وقت مضى. ونُقيِّم تنفيذنا على مهام تصنيف اللغة الطبيعية والتصنيف البصري، ونحصل على دقة تنافسية أو من أفضل المستويات الحالية، مع تخصيص مسؤولية منتهي الاتصال (end-to-end) يمكن تفسيره.