본 논문은 해석 가능하고 규칙 기반의 localist 표현부터 일반화 가능하고 효율적인 distributed 표현까지 전체 스펙트럼을 포괄하는 지속적으로 조정 가능한 내부 표현으로 대규모 언어 모델을 학습하기 위한 새로운 프레임워크를 제시한다. 핵심 혁신은 모델 재학습 없이 훈련 및 추론 중에 지역화 정도를 동적으로 제어하는 조정 가능한 매개변수인 '지역성 다이얼'이다. 이는 어텐션 메커니즘에 대한 그룹 희소성 페널티, 정보 이론적 앵커 디자인, 동적 규칙 주입을 통해 달성된다.
