我々は、入力ベクトルの系列を受けて、指定された長さおよびベクトルサイズを持つ新たな系列を生成するルーティングアルゴリズムを提案する。各出力ベクトルは、入力ベクトルをより正確に予測することにより、「ビット当たりの効果（bang per bit）」、すなわちデータを用いる際の純利益と無視する際の純コストの差を最大化するように設計されている。本アルゴリズムの出力ベクトルを、潜在変数としての評価割り当て、関連記憶モデルにおけるクエリ状態、また「心の社会（Society of Mind）」モデルにおけるエージェントとしての幾何学的対象として定式化する。さらに、パラメータ数、計算量、メモリ使用量を桁違いに削減する最適化手法を用いてアルゴリズムを実装し、これまでにない長さの系列を処理可能とする。自然言語および視覚分類タスクにおける実験評価により、競争力あるまたは最先端の精度を達成するとともに、エンドツーエンドの解釈可能な評価割り当てを実現した。