BiVelio Embedding Layer Algorithm
La migliore evidenza, con meno embeddings e meno tokens.
BV-EMLA converte i documenti e una query in un pacchetto minimo di evidenza rilevante. Riduce il costo di creare embeddings, archiviare indici e inviare contesto al modello, preservando l'identità, le versioni, i metadati e la tracciabilità di ogni documento. Non genera necessariamente una risposta: prepara la migliore evidenza affinché qualsiasi applicazione —con OpenAI, Anthropic, Gemini o un modello locale— la utilizzi.
BV-EMLA è progettato come un prodotto completamente indipendente. Non necessita del Brain di BiVelio, né di un account, né dei suoi database né dei suoi modelli interni. BiVelio sarà in seguito uno dei suoi consumatori, non l'ambiente di cui ha bisogno per funzionare.
- 1
Ingestione: normalizza, deduplica in modo verificato e suddivide i documenti.
- 2
Rappresentazione: riutilizza gli embeddings dalla cache o crea solo quelli mancanti.
- 3
Recupero adattivo: sceglie il piano più economico che raggiunga evidenza sufficiente.
- 4
Composizione: fornisce il contesto minimo che copre la query, con tracce e metriche.
EMLA Compile
Trasforma una raccolta di documenti in una rappresentazione efficiente e verificabile: normalizza, rileva duplicati e quasi-duplicati in modo verificato, suddivide in base alla struttura e riutilizza o crea embeddings. Dieci copie dello stesso manuale condividono un'unica rappresentazione tecnica, senza perdere l'identità di ciascun documento.
EMLA Resolve
Riceve una query e sceglie quanto sforzo richiede. Una domanda semplice usa una ricerca economica; una complessa aggiunge recupero denso, reranking ed espansione. Paghi il costo elevato solo quando la query lo richiede, e il risultato è l'insieme più piccolo che copre l'intera domanda.
Meno embeddings ripetuti e meno spazio di archiviazione.
Meno tokens di contesto inviati al modello.
Indici e fornitori intercambiabili; modalità locale senza infrastruttura esterna.
Tracciabilità e metriche di ogni recupero.
In progettazione come libreria indipendente (Python SDK e API HTTP). Prima sarà validato con benchmarks neutrali; in seguito sarà integrato in BiVelio tramite un adattatore.
Algoritmo in progettazione. Le cifre relative a prestazioni e risparmio saranno pubblicate al completamento dei benchmarks; fino ad allora non dichiariamo percentuali.