CARVE는 순환 델타-규칙 모델의 두 가지 구조적 결함—입력 토큰만으로 게이팅을 결정하는 메모리 맹목성과, 값 축 결합으로 인해 WY-형식 청크 병렬 학습이 불가능해지는 문제—을 키 축 전용 게이팅 제약 하나로 동시에 해결한다. 청크 경계 상태를 청크당 한 번만 읽어 저랭크 프로젝션에 대수적으로 접목하는 콘텐츠 인식 게이팅과 단일 실행 메가커널 스케줄링을 통해, 1.3B 파라미터/100B 토큰 학습에서 GDN-2 대비 WikiText 퍼플렉서티 15.72(vs 15.90) 달성, 상식 추론 +0.63 pp 향상, RULER 및 실세계 재현율 최고 수준을 기록하면서도 학습 속도는 최대 +19.3% 빠르다.
상태 추적(state tracking)은 시퀀스 모델의 뚜렷한 한계를 드러낸다. 관련 신호는 종종 관측된 토큰의 요약이 아니라, 비가환(non-commutative) 변환을 통해 진화하는 순서 있는 잠재 상태이다. 유한 비아벨(non-Abelian) 군 추적을 위한 보류 전이-쌍(hold-out transition-pair) 반증자를 제안한다. 이 프로토콜은 학습 중 선택된 순서 있는 생성자(generator) 쌍을 금지하고, 평가에서 동일한 국소 패턴을 요구하여 하나의 직접적인 국소 전이 암기 경로를 차단한다. 통제된 $S_3 \times S_3$ 벤치마크에서, 길이 8 시퀀스만으로 학습된 투영 순환 상태 모델은 5개 시드에 걸쳐 최대 1,048,576 토큰까지의 평가 수평(horizon)에서 오류 없는 최종 상태 예측(수평당 완벽한 250/250)을 생성한다. 동일 프로토콜 하에서 bag, GRU, 단일 구성의 구조화된 상태-공간 모델(structured state-space model)을 포함한 매칭된 네이티브 readout 기준선은 바닥(floor) 수준 근처에 머문다. 투영-매칭된 GRU, 구조화된 SSM, 그리고 유사한 유한군 프로토타입 readout을 갖춘 bag 기준선도 동일 분할에서 우연(chance) 수준 근처에 머문다. 메커니즘 진단은 강한(hard) 투영이 낮은 준동형(homomorphism) 오류, 낮은 상태 일관성 drift, 그리고 자명하지 않은(non-trivial) 교환자(commutator) 분리와 일치하는 반면, 완화된(softened) 투영은 최종 상태 정확도를 붕괴시킴을 보여준다. 클린 분할 감사는 학습과 평가 파티션 간 축약 단어(reduced-word)의 문자 그대로 중복이 0이고 구조적 템플릿 중복도 0임을 검증한다. 이 증거는 일반적인 아키텍처 순위가 아니라 이 통제된 유한군 반증자에 한정된다. 그 범위 안에서, 명시적 투영 비가환 상태 합성은 장기 잠재 상태 추적을 위한 유용한 귀납적 바이어스로 작용한다.