nekibu.aiTanışalım

Bir fikrinçalışma koşulları.

Retrieval, hesap maliyeti ve agent memory üzerine açık araştırma defteri. Bir tekniğin nasıl çalıştığını, nerede kırıldığını ve üründe neyi değiştirdiğini inceliyoruz.

Araştırmalara geçin
3 araştırma dosyası51 birincil / resmî kaynak kaydı
01 / NRL–001

Kurumsal aramada hibrit retrieval nasıl çalışır?

Kurumsal bilgi erişiminde en iyi mimari her şeyi tek embedding’e çevirmek değildir. Exact-match, anlamsal benzerlik, token düzeyi etkileşim, kaynak yetkisi ve pahalı yeniden sıralama; ölçülebilir bir retrieval hunisinde farklı görevler üstlenir. Bu çalışma modern retrieval sistemini model seçimi değil, recall–precision–latency–bellek arasında doğrulanan bir karar sistemi olarak ele alır.

13 Temmuz 202622 dk okuma17 kaynak
Araştırmayı okuyun
Retrieval yaklaşımını karşılaştırınSorgudan kanıta
SorguHybridKanıt
Aday kapsama88
İnce eşleşme79
Hesap yükü48

Örnek değerler, yöntemler arasındaki farkı anlatır. Ölçüm veya benchmark sonucu değildir.

02 / NRL–002

AI maliyetini azaltırken yanıt kalitesini korumak

Token optimizasyonu bir prompt’u kısaltma egzersizi değildir. Prefill, decode, KV belleği, cache yeniden kullanımı, scheduler, model route’u ve ürün kalitesi aynı sistemde ölçülmelidir. Bu çalışma AI inference maliyetini ‘token başına fiyat’tan çıkarıp geçerli kanıtla tamamlanan iş sonucu başına toplam maliyet olarak yeniden tanımlar.

13 Temmuz 202623 dk okuma16 kaynak
Araştırmayı okuyun
Optimizasyon katmanını seçinToken bütçesi ve hesap yükü
Bağıl hesap120/ 182
Girdi38
Önbellek62
Decode82

Örnek değerler, mekanizmayı açıklar. Sağlayıcı fiyatı veya üretim performansı değildir.

03 / NRL–003

Bir AI ajanı neyi hatırlamalı, neyi unutmalı?

Bir ajanın her şeyi saklaması hafıza değildir. Üretim sistemi neyi yazacağını, değişen gerçekleri nasıl uzlaştıracağını, hangi kanıtı geri çağıracağını, neyi unutacağını ve bütün bunları hangi yetki altında yaptığını açıklayabilmelidir. Bu çalışma agent memory’yi vektör deposu değil, olay günlüğü, zamansal graph, hibrit retrieval, context compiler, evaluation ve yönetişimden oluşan bir karar altyapısı olarak tasarlar.

13 Temmuz 202624 dk okuma18 kaynak
Araştırmayı okuyun
Hafıza katmanını seçinGöreve göre hatırlamak
Semantik hafıza

Ne biliyoruz?

  1. 01Varlık
  2. 02İlişki
  3. 03Gerçek
KaynakGüncellikYetkiGörev bağlamı

Seçim, bağlama alınacak hafıza katmanını ve yönetişim kapısını öne çıkarır.

Nasıl çalışıyoruz?

Sorudan ürüne.

Hipotez → Kanıt → Sistem → Ürün

01

Soruyu sınırla

Ürün kararını, veri dağılımını ve başarısızlığın bedelini açıkça tanımlarız.

02

Birincil kanıtı izle

Makaleyi, standardı ve resmî dokümantasyonu pazarlama özetinden ayırırız.

03

Sistemi parçala

Kalite, gecikme, maliyet, güvenlik ve yönetişimi ayrı başlıklarda inceleriz.

04

Ürüne geri bağla

Araştırmayı ATS, Studio, Documents ve Procurement için test edilebilir hipoteze çeviririz.

Yayın standardımız

Sonucu, ait olduğu
bağlamda okuyun.

Kaynak çalışmalardaki sonuçları Nekibu performansı gibi sunmayız. Açıklayıcı modelleri benchmark’tan ayırır, varsayımları ve deney koşullarını görünür tutarız.

İş uygulamaları üzerine yazılar