Infraestructura experimental para embeddings, contexto, huella de modelos y eficiencia aplicada en IA.
Por que costo de almacenamiento vectorial, validacion de recall y controles de compresion deben evaluarse antes de escalar un programa RAG en la empresa.
Nota de investigacion sobre estructura recursiva, compresion y por que sistemas IA complejos necesitan evaluacion falsable, no certeza abstracta.
EigenKV explora reduccion de KV-cache para workflows IA de contexto largo donde costo de memoria, latencia y calidad deben evaluarse juntos.
EigenWeights explora reduccion de huella de modelos para despliegues controlados donde importan latencia, limites de infraestructura y umbrales de calidad.