TóarimEmbedder: Motor de Embeddings Continuos con Estado para RAG Industrial

TóarimEmbedder es una arquitectura algorítmica de embeddings con estado (stateful) diseñada específicamente para resolver la amnesia contextual y la pérdida de continuidad en sistemas de Recuperación Aumentada por Generación (RAG) aplicados a corpus técnicos extensos y altamente regulados (manuales de maquinaria pesada, compendios normativos, bitácoras operativas y expedientes legales).

A diferencia de los modelos basados en Transformers convencionales con atención densa cuadrática $O(n^2)$, TóarimEmbedder opera con complejidad lineal $O(n)$ en procesadores convencionales (CPU), permitiendo a las organizaciones indexar internamente su propiedad intelectual de forma ágil, blindando sus secretos comerciales y abatiendo los costos de infraestructura hasta en un 70.6%.

🏭 El Desafío en Sectores Industriales y Regulados

En entornos industriales complejos, los expedientes técnicos presentan una elevada interdependencia secuencial y superan fácilmente decenas de miles de tokens. Las premisas de diseño o advertencias de seguridad suelen formularse en los capítulos iniciales, mientras que las secuencias de mitigación ante emergencias o excepciones operativas se detallan cientos de páginas después.

Las implementaciones RAG tradicionales fracasan en este escenario:

Amnesia por Fragmentación Estática (Chunking): Al cortar los textos en bloques atómicos de 256 a 512 tokens sin estado dinámico, se destruye la continuidad sintáctica y la correferencia anafórica de largo alcance.
Fenómeno Lost in the Middle: Los motores de búsqueda semántica ignoran activamente información crucial situada en regiones intermedias del documento.
Colapso en Razonamiento de Múltiples Saltos (Multi-hop Reasoning): Los fragmentos recuperados carecen de la inercia semántica que vincula los parámetros de origen con las acciones correctivas, elevando riesgos de no conformidad en auditorías o accidentes operativos.

⚡ La Solución Tóarim: Aprendizaje Anidado y Memoria Continua

TóarimEmbedder sustituye los pesados cálculos matriciales por formulaciones algebraicas lineales que integran tres núcleos algorítmicos:

flowchart TD
    A["Texto Documental (Secuencia de Chunks)"] --> B["Tokenizador WordPiece Rust (Local, ~711 KB)"]
    B --> C["Base Embeddings (dim: 768)"]
    C --> D["DocumentGraphEnricher: Convolución GNN O(L)"]
    D --> E["TitanMemoryLayer: Bucle HOPE con Sherman-Morrison"]
    C -. "Conexión Residual" .-> F["Residual Sum + LayerNorm"]
    E --> F
    F --> G["Mean Pooling Vectorial"]
    G --> H["Normalización Esférica L2"]
    H --> I["Vector Unitario (768 dimensiones)"]
    E -. "Estado M_t persistente" .-> E

Enriquecimiento Estructural $O(L)$ (DocumentGraphEnricher): Aplica una convolución de grafos (GCN) con normalización espectral tridiagonal que modela dependencias topológicas locales inmediatas sin requerir matrices densas $O(L^2)$.
Compresión Latente SVD (LowRankLinear): Descompone las proyecciones en factores de bajo rango ($W \approx U \cdot V$), reduciendo la complejidad paramétrica a $O(d \cdot k)$.
Memoria Continua Titan (TitanMemoryLayer): Bucle de Nested Learning con una matriz de memoria interna $M \in \mathbb{R}^{k \times k}$. La actualización de rango 1 se estabiliza mediante el Lema de Sherman-Morrison: $$\text{factor} = \frac{\eta_t}{1 + \eta_t |k_t|^2}$$ $$M_t = \alpha_t M_{t-1} + \text{factor} \cdot (e_t \otimes k_t^T)$$ Esto desacopla la memoria contextual del tamaño del documento: la memoria es plana y constante, independientemente de si el documento contiene 500 o 500,000 tokens.

📊 Tabla Comparativa de Rendimiento y Costes

Resultados obtenidos en pruebas empíricas sobre documentos normativos extensos (+500 páginas):

Métrica / Dimensión	TóarimEmbedder (Local)	OpenAI text-emb-3-large	Cohere embed-v3.0	BGE-M3 (BAAI)
Complejidad Asintótica	$O(n)$ Lineal	$O(n^2)$ Cuadrática	$O(n^2)$ Cuadrática	$O(n^2)$ Cuadrática
Límite de Contexto	Teóricamente $\infty$ (Stateful)	8,191 tokens	512 tokens	8,192 tokens
Hardware Requerido	CPU Convencional	API en la Nube	API en la Nube	GPU Dedicada (>5.5 GB VRAM)
Consumo de VRAM	0 MB (Libre de GPU)	N/A (Propietario)	N/A (Propietario)	5,500+ MB VRAM
RAM Incremental	~101.8 MB	N/A	N/A	~2,500 MB
TCO (500M Tokens)	~$22.22 USD (VPS CPU)	~$65.00 USD	Facturación por llamada	Coste mensual GPU cloud ($$$)
Privacidad / Soberanía	100% On-Premise Local	Terceros (Nube pública)	Terceros (Nube pública)	On-Premise (Requiere GPU)

🚀 Inicio Rápido (Quickstart)

Instalación de Dependencias

pip install torch tokenizers safetensors numpy
# O utilizando UV:
uv add torch tokenizers safetensors numpy

1. Ingesta Continua con Inercia Semántica (Python Nativo)

from toarim_embedder import TóarimEmbedder

# Inicialización segura (carga automática de safetensors y tokenizador local)
embedder = TóarimEmbedder()

# Chunks secuenciales de un manual técnico
chunks_manual = [
    "Capítulo 1: Especificaciones de diseño y límites de presión en calderas de vapor...",
    "Capítulo 2: Configuración del circuito cerrado de refrigeración secundaria...",
    "Capítulo 18: Procedimiento de actuación ante fallo por sobrepresión crítica..."
]

# maintain_state=True arrastra la memoria Titan M_t a lo largo del documento
embeddings_documento = embedder.embed_documents(chunks_manual, maintain_state=True)
print(f"Chunks procesados: {len(embeddings_documento)} (Dimensión: {len(embeddings_documento[0])})")

# Consulta de búsqueda (Siempre opera en modo STATELESS para evitar sesgos)
query = "¿Cuál es el protocolo ante sobrepresión en la caldera?"
query_embedding = embedder.embed_query(query)

🔗 Integraciones con Frameworks RAG

Integración con LangChain y ChromaDB

from langchain_community.vectorstores import Chroma
from toarim_embedder import TóarimEmbedder

toarim = TóarimEmbedder()

# Ingesta en base de datos vectorial local
vectorstore = Chroma.from_texts(
    texts=chunks_manual,
    embedding=toarim,
    persist_directory="./chroma_db_industrial"
)

# Recuperación semántica contextualizada
resultados = vectorstore.similarity_search("fallo en refrigeración secundaria", k=3)
for doc in resultados:
    print(f"Contenido recuperado: {doc.page_content[:120]}...")

Integración con LlamaIndex

from llama_index.core.embeddings import BaseEmbedding
from toarim_embedder import TóarimEmbedder

class ToarimLlamaIndexEmbedding(BaseEmbedding):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self._model = TóarimEmbedder()

    def _get_query_embedding(self, query: str):
        return self._model.embed_query(query)

    def _get_text_embedding(self, text: str):
        return self._model.embed_query(text)

    def _get_text_embeddings(self, texts: list[str]):
        return self._model.embed_documents(texts, maintain_state=True)

🛡️ Ciberseguridad y Soberanía Tecnológica

TóarimEmbedder ha sido diseñado bajo estándares estrictos de ciberseguridad industrial:

Serialización Segura con safetensors: Se elimina por completo el uso de pickle / torch.load desprotegido, erradicando la vulnerabilidad de Ejecución Remota de Código (RCE).
Soporte Nativo Air-Gapped (Redes Aisladas): Incorpora el archivo compilado tokenizer.json (711 KB, motor Rust), permitiendo inicializaciones y ejecuciones en infraestructuras SCADA o plantas sin conexión a Internet (local_files_only=True).
Higienización de Memoria Multi-Inquilino (reset_state()): Para evitar la fuga de información confidencial entre diferentes manuales o clientes (Cross-Tenant State Leakage), el orquestador puede purgar el estado residual:
```
embedder.reset_state()  # Limpia de inmediato la memoria Titan M
```
Protección contra Denegación de Servicio (DoS): Sanitización y validación estricta de entradas y acotamiento de longitud de secuencias.

⚡ Aceleración en CPU y Cuantización INT8

Para estaciones de trabajo o servidores con procesadores estándar (Intel Core / Xeon, AMD Ryzen / EPYC):

embedder = TóarimEmbedder()

# Aceleración mediante Cuantización Dinámica INT8 (AVX-512 VNNI / AMX)
embedder.quantize()

# Reduce la huella en memoria en ~50% (~47 MB) y duplica el rendimiento por núcleo
vector = embedder.embed_query("Verificación de válvulas")

📋 Requisitos de Hardware y Despliegue en CPU

Procesador: Cualquier CPU moderna x86_64 o ARM64 (Intel 10ª gen+, AMD Zen 2+, Apple Silicon, AWS Graviton).
Memoria RAM: Mínimo 512 MB de RAM disponibles (~100 MB ocupados por el modelo).
Almacenamiento: ~100 MB para pesos (model.safetensors) y tokenizador (tokenizer.json).
Aceleradores: No requiere GPU (0 MB de VRAM).

📄 Licencia

Este proyecto está distribuido bajo la licencia Apache 2.0. Consulte el archivo de licencia para obtener más detalles.

Downloads last month: 1

Safetensors

Model size

24.3M params

Tensor type

F32