أظهرت نماذج التشتت المُقنَّعة نتائج تنافسية في مهام متنوعة، بما في ذلك توليد اللغة. ومع ذلك، نظرًا لعملية التحسين التكرارية التي تعتمد عليها، يُعد التوليد غالبًا مُعْقَدًا بسبب سرعة العينة البطيئة والثابتة. وللتغلب على هذه المشكلة، نقدّم طريقة عينة سريعة وفعّالة تُسمى "استخلاص الاستقرار المُتكيف بالـ KL" (KLASS)، والتي تُستخدَم فيها انحراف كولبوج-ليبلر (KL) على مستوى الرموز لتحديد التنبؤات المستقرة والموثوقة. وباستخدام تفكيك تعدد الرموز في كل تكرار دون الحاجة إلى تدريب إضافي للنموذج، تُسرّع هذه الطريقة عملية التوليد بشكل كبير مع الحفاظ على جودة العينات. وفي معايير الاستدلال، تحقق KLASS تسريعًا في الزمن الحقيقي يصل إلى 2.78 مرة، مع تحسين الأداء مقارنةً بالطريقة القياسية المُتَّبعة (الاستدلال المُتَّسِق)، وتحصل على نتائج مُتقدّمة من حيث المستوى المُتَوَقَّع بين مُستخرجات النماذج القائمة على التشتت. ونُحقّق أيضًا فعالية KLASS عبر مجالات متنوعة، تشمل النصوص، والصور، وتصنيع الجزيئات، ما يُظهر قدرتها كطريقة عينة قابلة للتطبيق على نطاق واسع في نماذج مختلفة.