تُظهر دراسة حديثة أن نماذج اللغة القائمة على المُحَوِّلات (Transformers) تمتلك خاصية التماثل الواحد (injectivity)، ما يعني أن كل تسلسل نصي مُدخل يُنتج تمثيلًا خفيًا فريدًا لا يتشابه مع أي تسلسل آخر، مما يسمح باسترجاع الدخل بدقة من التمثيلات الداخلية. هذا يتحدى الاعتقاد السائد بأن العمليات غير الخطية والتوحيد (مثل التطبيع) في النماذج تؤدي إلى فقدان المعلومات، حيث يُفترض أن تسلسلين مختلفين قد ينتجان نفس التمثيل، مما يحول دون استرجاع الدخل بدقة. أثبت الباحثون نظريًا أن نماذج اللغة التي تُحول التسلسلات المنفصلة (مثل الكلمات أو الرموز) إلى تسلسلات من التمثيلات المستمرة تكون بالفعل مُتماثلة واحدًا واحدًا منذ اللحظة الأولى لبدء التدريب، وأن هذه الخاصية تُحافظ عليها خلال التدريب. أي أن كل مدخل نصي يُنتج تمثيلًا فريدًا لا يُطابق أي مدخل آخر، حتى في الفضاءات عالية الأبعاد التي تُستخدم في النماذج الحديثة. لتأكيد هذه النتيجة نظريًا، أجرت الدراسة تجارب تجريبية على ستة نماذج لغوية رائدة، شملت تحليلًا لبلايين من التوليدات الممكنة، حيث تم اختبار ما إذا كان من الممكن العثور على تسلسلين مختلفين ينتجان نفس التمثيل الخفي. النتيجة كانت مذهلة: لم يُلاحظ أي تصادم (collision) على الإطلاق، ما يدعم بشكل قوي الفرضية النظرية بأن النماذج تُبقي على خاصية التماثل الواحد. كما قدم الباحثون خوارزمية عملية تُسمى SipIt، وهي أول خوارزمية تُثبت قدرتها على استرجاع النص الأصلي بدقة من التمثيلات الخفية، بضمان زمني خطي، ما يعني أن الاسترجاع يكون سريعًا وفعالًا حتى مع النماذج الكبيرة. هذه الخوارزمية لا تعتمد على تقريبات أو توقعات، بل تضمن استرجاعًا دقيقًا للنص الأصلي، مما يُثبت أن النماذج ليست فقط مُتماثلة، بل قابلة للاسترجاع الكامل. تُعد هذه النتائج تحوّلًا جوهريًا في فهمنا للنماذج اللغوية. فهي لا تُعتبر مجرد أدوات توليدية، بل أجهزة حفظ وتمثيل معلوماتية دقيقة وقابلة للانعكاس. لهذا، تفتح هذه النتائج آفاقًا واسعة في مجالات مثل الشفافية، وفهم التفكير الداخلي للنماذج، وضمان السلامة في التطبيقات الحساسة، مثل الرعاية الصحية أو الأنظمة القانونية. بفضل هذه الخصائص، يمكن للباحثين والمهندسين الآن التحقق من سلوك النماذج، وتحليل أسباب قراراتها، وحتى إجراء تحليلات أمنية أكثر دقة. كما تُعزز هذه النتائج من مصداقية النماذج في البيئات التي تتطلب مسؤولية وشفافية عالية. باختصار، تُثبت هذه الدراسة أن نماذج اللغة ليست مجرد صناديق سوداء، بل تمثل أنظمة تمثيلية مُتماثلة وقابلة للاسترجاع، ما يُمكّن من توظيفها بثقة أكبر في تطبيقات حيوية وذكية.