BiVelio Embedding Layer Algorithm
Najlepszy dowód, przy mniejszej liczbie embeddings i tokens.
BV-EMLA przekształca dokumenty i zapytanie w minimalny pakiet istotnych dowodów. Zmniejsza koszt tworzenia embeddings, przechowywania indeksów i wysyłania kontekstu do modelu, zachowując tożsamość, wersje, metadane i możliwość śledzenia każdego dokumentu. Nie generuje obowiązkowo odpowiedzi: przygotowuje najlepszy dowód, aby dowolna aplikacja — z OpenAI, Anthropic, Gemini lub modelem lokalnym — mogła go wykorzystać.
BV-EMLA jest projektowany jako całkowicie niezależny produkt. Nie potrzebuje Brain od BiVelio, ani konta, ani jego baz danych czy modeli wewnętrznych. BiVelio będzie później jednym z jego użytkowników, a nie środowiskiem, którego potrzebuje do działania.
- 1
Wczytywanie: normalizuje, deduplikuje w sposób zweryfikowany i dzieli dokumenty.
- 2
Reprezentacja: ponownie wykorzystuje embeddings z pamięci podręcznej lub tworzy tylko te brakujące.
- 3
Pozyskiwanie adaptacyjne: wybiera najtańszy plan, który osiąga wystarczający dowód.
- 4
Kompozycja: dostarcza minimalny kontekst obejmujący zapytanie, wraz ze śladami i wskaźnikami.
EMLA Compile
Przekształca zbiór dokumentów w wydajną i weryfikowalną reprezentację: normalizuje, wykrywa duplikaty i niemal-duplikaty w sposób zweryfikowany, dzieli według struktury oraz ponownie wykorzystuje lub tworzy embeddings. Dziesięć kopii tego samego podręcznika współdzieli jedną reprezentację techniczną, nie tracąc tożsamości każdego dokumentu.
EMLA Resolve
Odbiera zapytanie i decyduje, ile wysiłku ono wymaga. Proste pytanie korzysta z taniego wyszukiwania; złożone dodaje gęste pozyskiwanie, reranking i rozszerzenie. Płacisz wysoki koszt tylko wtedy, gdy zapytanie tego wymaga, a wynikiem jest najmniejszy zbiór obejmujący całe pytanie.
Mniej powtarzających się embeddings i mniejsze zapotrzebowanie na pamięć.
Mniej tokens kontekstu wysyłanych do modelu.
Wymienne indeksy i dostawcy; tryb lokalny bez zewnętrznej infrastruktury.
Możliwość śledzenia i wskaźniki dla każdego pozyskania.
W fazie projektowej jako niezależna biblioteka (Python SDK oraz API HTTP). Najpierw zostanie zwalidowany za pomocą neutralnych benchmarks; następnie zostanie zintegrowany z BiVelio za pomocą adaptera.
Algorytm w fazie projektowej. Dane dotyczące wydajności i oszczędności zostaną opublikowane po ukończeniu benchmarks; do tego czasu nie podajemy żadnych wartości procentowych.