Registro de investigación
Experimentos por línea de investigación
Son informes técnicos de investigación, no publicaciones revisadas por pares. Cada informe identifica sus fuentes, condiciones de medición y límites. La sección de evidencias explica qué se puede descargar o reproducir.
Comprensión del tiempo · experimento controlado
El modelo utiliza la información temporal para seleccionar el intervalo correcto
¿Utiliza el modelo la información temporal real para seleccionar el intervalo correcto entre eventos o deduce la respuesta de pistas del texto?
Criterios experimentales cumplidos · tres entrenamientos
El experimento evalúa la selección de un intervalo entre opciones dadas. No demuestra un modelo listo para responder cualquier pregunta temporal. Un experimento anterior también dejó sin resolver la asociación fiable de intervalos repetidos con eventos.
Leer el informe →Comparación de duraciones · experimento de entrenamiento
Razonamiento sobre duraciones: de la comparación a las respuestas numéricas
¿Enseñar también las proporciones entre duraciones ayuda al modelo a identificar cuál es más larga y estimar su valor?
Avance parcial · objetivo de respuestas numéricas no alcanzado
No es un sistema terminado para responder preguntas sobre duraciones. El trabajo posterior debe alinear predicciones con duraciones reales y limitar respuestas cuando el modelo no esté seguro.
Leer el informe →Pyrodit RM · Estudio de recuperación R7
Detección de riesgos: continuidad del entrenamiento y precisión contextual
¿Conservar el modelo completo y recuperar datos de entrenamiento más amplios mejora la detección sin aumentar las falsas alarmas ni perder capacidades existentes?
Evaluación R7 completada · R5 se mantiene como modelo en servicio
Son resultados de desarrollo en inglés, con un umbral elegido por separado para cada grupo, no la validación de un umbral de producción común. No demuestran rendimiento en turco, alemán u otras categorías de riesgo. El conjunto de contexto ya se había examinado y no es una prueba independiente intacta. No se ejecutó la prueba final de contexto de R7 porque ningún candidato cumplió los requisitos; las cifras de contexto publicadas pertenecen al control léxico separado.
Leer el informe →Código abierto · Compresión vectorial
Semafold: vectores más pequeños, compromisos medibles
¿Cuánto espacio pueden ahorrar los vectores de IA si se cuenta toda la representación comprimida, incluidos los metadatos?
Medición sintética · informe fuente 0.1.0 del 31 de marzo de 2026 · biblioteca revisada en 0.2.0
La compresión tiene pérdidas. La calidad de búsqueda y el comportamiento del modelo deben evaluarse con los datos previstos. Los bloques de caché muy pequeños pueden superar el tamaño de 16 bits por el coste de los metadatos. Las API de compresión y caché siguen en versión preliminar; las integraciones de inferencia listas para usar quedan fuera de este informe.
Leer el informe →