Dosier 02 · Laboratorios de investigación
Un motor de memoria medido, para laboratorios de investigación
Nuestro motor de memoria se mide en dos benchmarks públicos, con los registros publicados. Cada pregunta tiene su veredicto. Nuestros fallos cuentan tanto como nuestras puntuaciones.
¿Trabajas en memoria a largo plazo, recuperación de información o interacción humano-IA? ¿Quieres evaluar, replicar o colaborar? Escríbenos.
Windows, macOS y Linux.
Proteger vuestra investigación
100 % local para el trabajo inédito, híbrido para el resto
Todo en la máquina
El modelo funciona dentro de la aplicación (Qwen, Gemma, Phi en GGUF). Desconectad el cable de red: la búsqueda y las respuestas siguen funcionando.
Búsqueda local, respuesta en la nube
La búsqueda funciona en la máquina. Un modelo en la nube redacta la respuesta, con vuestra clave o vuestro proyecto Vertex. La pregunta y los fragmentos encontrados van a ese proveedor.
El modelo de vuestro laboratorio
¿Vuestro departamento de TI ya ejecuta un modelo? Conectadlo: cualquier servidor compatible con la API de OpenAI, en una dirección que indicáis en los ajustes. La pregunta y los fragmentos van a esa máquina.
Modelos compatibles
- Vertex AI
- Gemini
- OpenAI
- Anthropic
- Mistral
- DeepSeek
- MiniMax
- Qwen (local)
- Vuestro servidor
Un laboratorio puede trabajar totalmente sin conexión sobre un corpus sensible, y en modo híbrido sobre artículos públicos. Descargad Mnemosyne OS para probarlo con vuestro corpus. Para un despliegue en el servidor del laboratorio, hablemos.
Descargar Mnemosyne OS → Hablemos →Trabajar en equipo de investigación
Compartir un corpus en el laboratorio, sin servidor Beta
Cada ordenador del laboratorio ejecuta Mnemosyne OS. En la misma red, se conectan directamente, sin servidor en medio.
Prestáis a un colega una bóveda para leer, o compartís un corpus con el equipo: cada uno escribe en él y guarda su propia copia. Los ordenadores también pueden enviarse mensajes.
Un borrado nunca se propaga. Si dos versiones de un archivo divergen, se guardan las dos. Entre dos sedes, la aplicación instala Tailscale y os guía.
La red sigue apagada hasta que alguien la activa, ordenador por ordenador.
Lo que está medido
-
LongMemEval-M
77,1 %
48 preguntas nunca vistas, en full-haystack, juez oficial. Cada respuesta publicada, los fallos incluidos.
-
BEAM · 100K
61,7 %
400 preguntas sobre diez capacidades, puntuadas por el juez oficial del benchmark.
-
BEAM · 10M
49,2 %
200 preguntas sobre un corpus 76 veces mayor. Mismo juez, mismo pipeline, ningún ajuste entre las dos.
-
La pendiente
20 % perdido
Para un corpus 76 veces mayor. En el artículo de BEAM, las baselines RAG pierden del 22 al 29 % en el mismo salto. El par de cifras cuenta más que una puntuación suelta.
Oferta de colaboración Un motor de memoria para tu disciplina: medicina, biología, química
La oferta
Construimos con laboratorios un motor de memoria dedicado a su campo: medicina, biología, química, cualquier disciplina con un corpus grande. Vosotros aportáis la experiencia y el corpus, nosotros el motor. Es una colaboración, no un producto cerrado.
Lo que queremos construir
Una herramienta que vigila las nuevas publicaciones sobre vuestros temas, en arXiv y en otros sitios, y las añade a vuestra memoria. De noche busca los vínculos entre vuestro corpus y el trabajo de vuestros pares, en vuestra máquina.
Cómo empieza
Con una conversación: cómo trabajáis, qué os frena, qué os quita las semanas. Los primeros investigadores que la prueben decidirán la forma de la herramienta.
Nuestro método
Protocolos prerregistrados antes de las pruebas decisivas, brazos de control, tests de permutación con semilla fija. La hipótesis favorita del fundador fue refutada, y la refutación está publicada.
Programa de investigación interno: prerregistro a ciegas · brazos de control · la falsación forma parte del método
Preguntas
Lo que un laboratorio nos pregunta primero
- ¿Se pueden recalcular vuestras cifras?
- Sí. Las ejecuciones se publican pregunta por pregunta, con un script verify.js. Rehace el cálculo exacto del benchmark: media por conversación, luego por categoría, luego sobre las diez, y un tau de Kendall donde el benchmark lo pide. Una media simple daría otra cifra. Rompimos los datos tres veces para comprobar que el script detecta el error.
- ¿Qué se audita exactamente?
- La corrección. Las preguntas y las respuestas de referencia pertenecen a LongMemEval y a BEAM, ambos con licencia MIT. El motor que produjo las respuestas es cerrado.
- ¿En qué máquina funciona y a dónde va nuestro corpus?
- A la tuya. Mnemosyne OS es una aplicación de escritorio. La búsqueda y la vectorización funcionan en local, y una GPU las acelera si la hay. Tus carpetas se leen ahí mismo y nunca se modifican. Con un modelo local, tus documentos y tus preguntas se quedan en la máquina. Con un modelo de nube, la pregunta y los extractos útiles van a ese proveedor, bajo tu clave o tu proyecto Vertex.
- ¿Es open source?
- Open core. El SDK, el servidor MCP y los paquetes npm tienen licencia MIT y cualquiera puede leerlos. El motor de memoria es cerrado: es lo que vendemos. El acceso al núcleo por línea de comandos se habla dentro de una asociación.
- Nuestro laboratorio no es de memoria. ¿Esto nos concierne?
- Sí, esa es justamente la oferta. Buscamos laboratorios de medicina, biología, química o cualquier disciplina con un corpus grande, para construir con ellos un motor dedicado. Vosotros aportáis la experiencia y el corpus, nosotros aportamos el motor. Todo empieza por una conversación sobre cómo trabajáis.
Citar este trabajo Whitepaper técnico, DOI 10.5281/zenodo.21728283Kit de auditoría del benchmark, DOI 10.5281/zenodo.21727140ORCID 0009-0009-1087-3917Registros BEAM, ambas ejecuciones pregunta por pregunta