Los modelos de lenguaje se apoyan en su contexto para generar cada respuesta, pero ese contexto suele mezclar instrucciones, documentos y datos sin una estructura explícita. Para corregirlo, sus creadores han desarrollado LLMON, un lenguaje de marcado pensado para que los propios modelos entiendan esa estructura.
Se han publicado dos modelos experimentales derivados de Granite 4.1, llamados granite-4.1-3b-LLMON-preview y granite-4.1-8b-LLMON-preview, junto con un repositorio en GitHub que incluye herramientas y plantillas. Según los responsables, cada instrucción queda vinculada a los datos exactos sobre los que actúa, lo que reduce mucho los ataques ocultos.
El formato JSON no se diseñó para modelos de lenguaje, porque sus símbolos también aparecen en el texto normal y el modelo no distingue una comilla de un delimitador. LLMON usa delimitadores especiales reservados, y sus creadores ofrecen conversores que pasan de JSON a LLMON sin pérdida de información.
En la prueba OPI, los modelos sin LLMON ejecutaron las instrucciones inyectadas con alta probabilidad, mientras que las versiones LLMON apenas se dejaron engañar. Según el equipo, mantienen un rendimiento comparable a los modelos Granite 4.1 Instruct en categorías generales, y se trata de una versión experimental no apta para producción.