مفهوم

یک سیستم RAG معمول یک خط‌لوله را اجرا می‌کند — embedding، جستجوی برداری، re-ranking. VATES هیچ‌یک از این‌ها را ندارد.

پرسشی می‌رسد. هر ES در برابر آن با BM25 امتیاز می‌گیرد. آن‌هایی که بالاترین امتیاز را دارند — top-k — به مدل سپرده می‌شوند. مدل پاسخ می‌دهد.

تمام مسیر همین است. تنها چیزی که از پیش آماده می‌شود خودِ ES است؛ برای بازیابی هیچ چیز از پیش آماده نمی‌شود. امتیازدهی برای هر پرسش از نو ساخته می‌شود، پس نه ایندکسی برای نگه‌داشتن هست، نه چیزی برای embedding مجدد، و نه معنای تثبیت‌شده‌ای که جایی ذخیره شده باشد. بازیابی واژگانی است — روی متن ساده‌ای که خودتان می‌توانید بخوانید. مدل ساختار را مستقیماً مشاهده می‌کند — معنا پیش از رسیدنش تعیین نمی‌شود، بلکه در همان لحظه‌ای که خوانده می‌شود.

RAG باید هرگاه دانش تغییر می‌کند، embedding مجدد و بازسازی ایندکس خود را انجام دهد. با VATES، به‌محض اینکه یک ES نوشته شد، از همان پرس‌وجوی بعدی بازتاب می‌یابد. هیچ ایندکسی برای بازسازی وجود ندارد.

embedding معنا را در همان لحظه‌ای که ذخیره می‌شود به مختصات ثابت تخت می‌کند. VATES معنا را از پیش تثبیت نمی‌کند — بازیابی به‌ازای هر پرس‌وجو دوباره سرِ هم می‌شود، و تفسیر به خواننده وا‌گذاشته می‌شود. از یک پایگاه دانش واحد، پاسخ‌ها با پرسش و با زبان خواننده تطبیق می‌یابند. به همین دلیل است که دانش ذخیره‌شده به ژاپنی می‌تواند به فرانسوی پاسخ دهد، بدون آنکه هیچ داده ترجمه‌ای نگه داشته شود.

بدون پایگاه داده برداری اختصاصی — بدون Pinecone، Weaviate، یا pgvector. دانش، متن ساختارمند ساده است که روی یک پایگاه داده و فایل‌های معمولی اجرا می‌شود. بدون GPU، بدون API ی embedding به‌ازای هر استفاده. اجزای متحرک کمتر یعنی هزینه پایین‌تر و نقاط خرابی کمتر.

یک ایندکس RAG توده‌ای از بردارهای عددی است که هیچ انسانی نمی‌تواند بخواند؛ نمی‌توانید بگویید چرا یک قطعه بازیابی شد. VATES دانش را به‌صورت متن ساده در امتداد محورهای پایه مشاهده نگه می‌دارد — جوهر، کمّیت، کیفیت، نسبت، و مانند آن — و هنگامی که موضوعی نمی‌گنجد، محورها آزادانه گسترش می‌یابند. این یک اسکیمای ثابت نیست. می‌توانید آن را با چشم بخوانید و در آن جستجو کنید. مدل، نحو را می‌بیند؛ انسان، یک جدول را.

یک حذف در RAG می‌تواند حتی پس از embedding مجدد، ردهایی در بردارها باقی بگذارد. در VATES خط مربوطه را مستقیماً ویرایش یا حذف می‌کنید و نتیجه را با چشم تأیید می‌کنید — ساختاری که به درخواست‌های حذف داده، حق فراموش‌شدن، نیز پاسخ می‌دهد.

واحدی که VATES دانش را در آن نگه می‌دارد. دو ستون، n ردیف، جداشده با خط‌های عمودی (|). خودِ خط عمودی هیچ معنایی حمل نمی‌کند؛ تنها یک مرز را نشان می‌دهد. معنا نه در نماد، بلکه در کسی که آن را مشاهده می‌کند پدید می‌آید.

یک ES همچنین یک ساختار نحوی است که به‌عنوان یک نحو واسط میان‌هوشی (IIIS) طراحی شده است.

هر زبان طبیعی، به‌علاوه نمادگذاری منطقی و بیشتر. کلمات یا جملات، به یک اندازه.

نحوی که از خلال آن هوش‌هایی با ادراک متفاوت می‌توانند همان ساختار را مشاهده کنند — درون منطقه قابل‌سکونتی که ادراکاتشان در آن هم‌پوشانی دارد. این IIIS است.

فعلاً: هوش مصنوعی و انسان‌ها.

همان ES توسط یک هوش مصنوعی به‌عنوان json خوانده می‌شود، و توسط یک انسان به‌عنوان یک جدول دوستونی. هر دو یک و همان ساختار را مشاهده می‌کنند — دو ستون، n ردیف، جداشده با خط عمودی، که هیچ معنای خاص خود را حمل نمی‌کند — هر یک از خلال ادراک خویش.