BiVelio Embedding Layer Algorithm
La millor evidència, amb menys embeddings i menys tokens.
BV-EMLA converteix documents i una consulta en un paquet mínim d'evidència rellevant. Redueix el cost de crear embeddings, emmagatzemar índexs i enviar context al model, tot mantenint la identitat, les versions, les metadades i la traçabilitat de cada document. No genera obligatòriament una resposta: prepara la millor evidència perquè qualsevol aplicació —amb OpenAI, Anthropic, Gemini o un model local— la faci servir.
BV-EMLA es dissenya com un producte completament independent. No necessita el Brain de BiVelio, ni un compte, ni les seves bases de dades ni els seus models interns. BiVelio en serà després un dels consumidors, no l'entorn que necessita per funcionar.
- 1
Ingesta: normalitza, deduplica de manera verificada i trosseja els documents.
- 2
Representació: reutilitza embeddings des de la memòria cau o crea només els que falten.
- 3
Recuperació adaptativa: tria el pla més barat que assoleixi evidència suficient.
- 4
Composició: lliura el context mínim que cobreix la consulta, amb traces i mètriques.
EMLA Compile
Transforma una col·lecció de documents en una representació eficient i verificable: normalitza, detecta duplicats i quasi-duplicats de manera verificada, trosseja per estructura i reutilitza o crea embeddings. Deu còpies del mateix manual comparteixen una sola representació tècnica, sense perdre la identitat de cada document.
EMLA Resolve
Rep una consulta i tria quant esforç necessita. Una pregunta senzilla fa servir una cerca barata; una de complexa hi afegeix recuperació densa, reranking i expansió. Pagues el cost alt només quan la consulta ho exigeix, i el resultat és el conjunt més petit que cobreix tota la pregunta.
Menys embeddings repetits i menys emmagatzematge.
Menys tokens de context enviats al model.
Índexs i proveïdors intercanviables; mode local sense infraestructura externa.
Traçabilitat i mètriques de cada recuperació.
En disseny com a biblioteca independent (Python SDK i API HTTP). Primer es validarà amb benchmarks neutrals; després s'integrarà a BiVelio mitjançant un adaptador.
Algorisme en disseny. Les xifres de rendiment i estalvi es publicaran quan completem els benchmarks; fins llavors no afirmem percentatges.