본 연구는 신경망에서 자기 참조적 계산을 근사하기 위해 고속 가중치 연상 기억, 항상성 정규화 및 학습된 재진입 피드백을 통합하는 신경 메커니즘인 FH-RL(Fast-Weights Homeostatic Reentry Layer)을 소개합니다. FH-RL은 추론 중 순전히 피드포워드 방식으로 작동하는 표준 트랜스포머 아키텍처와 달리 외부 루핑 없이 내부 재귀를 가능하게 하여 이전 잠재 상태를 지속적인 계산 스트림에 동적으로 다시 입력할 수 있습니다. 재진입 이득 $\gamma$를 변경하며 제어된 실험을 수행하고, IRR(Information Reentry Ratio), ESRI(Eigen-Spectrum Recursion Index), RDP(Representational Drift Periodicity)라는 세 가지 새로운 메트릭을 사용하여 발생하는 내부 역학을 평가했습니다.
