연구팀은 다양한 구조의 표 기반 파운데이션 모델이 분류 및 회귀 작업에서 정확도가 수렴하는 현상을 분석했어요. 모델들이 동일한 인컨텍스트 알고리즘을 실행하는지, 행/열/클래스 순서 변환 불변성이 어디에서 비롯되는지, 그리고 추론된 메커니즘에 대항하는 교란에 얼마나 강건한지를 조사했어요. 연구 결과, 모델들은 질적으로 구별되는 유사성 기반 출력을 실현하며, 특정 위치 파라미터 제거로 불변성을 정확하게 만들 수 있음을 확인했어요.