Categoria
Cross-domain di punta · generazione 1
Modelli · Generazione 1
Un modello di punta
con il substrato sottostante.
Modello post-transformer di punta addestrato sul substrato ReasonLoom.
- ID modello
RL-X1.G1.2026- Substrato
- Stamen runtime · Heddle memory
- Addestramento
- Ciclo evolutivo Atelier · verificatore tipizzato nel loop
- Limite di contesto
- non esiste
Substrato
Stamen + Heddle
Addestrato con
Ciclo evolutivo Atelier
Ideale per
Ragionamento a lungo orizzonte senza limiti di contesto
Cos'e RL-X1
Un modello con il substrato sottostante
RL-X1 e la prima generazione della nostra linea di punta cross-domain. Non vive dentro una finestra di contesto. Legge, vincola e compone tramite Heddle, gira su Stamen ed e cresciuto da Atelier. Il risultato e una qualita di ragionamento sui task a lungo orizzonte che deriva dall'architettura, non dall'ingegneria del prompt.
Il cambio strutturale
Perche la differenza non e "una finestra piu grande"
Conventional models scale by extending an attention buffer. RL-X1 does not have one to extend. The work that the window used to do is done by the substrate instead.
Convenzionale
Finestra di token
- × Memory ceiling = buffer length.
- × Recall is a scan of attention.
- × Composition re-derived per turn.
- × Provenance lives in prose.
RL-X1
Substrato strutturato
- + No buffer to overflow.
- + Recall is a substrate primitive.
- + Composition is bind/walk, not re-read.
- + Provenance is structural.
Cosa cambia rispetto a un transformer
Tre differenze strutturali
RL-X1 e interessante per cio che non e: non un modello di attenzione piu grande, non un modello token-in-token-out, non un decoder one-shot.
X1
Nessun limite di finestra di contesto
La memoria vive nel binding strutturato, non in un buffer che il decoder deve scorrere. I task a lungo orizzonte smettono di essere un problema di budget di token.
X2
La composizione e un primitivo
Il ragionamento su analogie, controfattuali e catene multi-hop usa la stessa superficie bind/recall. Il modello non deve ri-derivare la struttura dal linguaggio ad ogni turno.
X3
Radicato dall'addestramento
Il modello e cresciuto da Atelier, con un verificatore tipizzato nel loop. Cio che sa, puo difenderlo; cio che non sa, lo differisce.
Dove si colloca
Valutazione interna
Numbers are internal — the suites and conditions are documented in the evaluation programme. The pattern, not any single value, is what we report.
| Famiglia di task | RL-X1 | Baseline convenzionale | Δ |
|---|---|---|---|
| Multi-hop a lungo orizzonte | P@5 1.00 | P@5 ~0.62 | +0.38 |
| Binding tra documenti | 0.94 | 0.71 | +0.23 |
| Analogia composizionale | 0.88 | 0.56 | +0.32 |
| Deferimento sugli sconosciuti | 0.96 | 0.41 | +0.55 |
| Overflow della finestra di contesto | 0 | frequente | n/a |
P@5 1.00
Recupero multi-hop attraverso lo stack
Recupero end-to-end attraverso il modello e il ponte di memoria.
+0.65
Ritenzione a vita vs controllo amnesico
Ereditato dal ciclo evolutivo Atelier.
0
Modi di fallimento della finestra di contesto
Non esiste una finestra di contesto da riempire in eccesso.
Una traccia di ragionamento
Come appare una domanda multi-hop
A question that would force a conventional model to scroll its window becomes a sequence of substrate operations.
rl-x1 · trace · multi-hop
- 01 READ
perceive(corpus)Gli input arrivano come evidenze strutturate, non come buffer di token.
- 02 BIND
bind(claim_a, source_a)Il claim e legato alla sua origine. La provenienza e strutturale, non aggiunta in seguito.
- 03 BIND
bind(claim_b, source_b)Una seconda evidenza viene vincolata. Nessuna ri-derivazione dalla prosa.
- 04 WALK
walk(claim_a → claim_b)Il multi-hop e un'operazione del substrato. Il decoder non deve scorrere.
- 05 COMP
compose(answer | evidence)La risposta e composta da evidenze vincolate. Cio che viene affermato e difendibile.
- 06 EMIT
emit(answer, audit_trail)L'output viene consegnato con la traccia di audit allegata. Tramite Mnemo, questo e pronto per l'impresa.
La linea X
Dove si colloca RL-X1 nella roadmap generazionale
G1
RL-X1
rilasciato
Cross-domain di punta · ragionamento a lungo orizzonte senza limiti di contesto.
G2
RL-X2
pianificato
Substrato nativo multimodale. Percezione e binding condividono la stessa superficie.
G3
RL-X3
ricerca
Richiamo auto-revisionante. Il modello modifica la propria memoria sotto verifica tipizzata.
Dove viene utilizzato RL-X1
Ragionamento cross-domain
Analisi a lungo orizzonte
Task che attraversano centinaia di input e richiedono richiamo strutturato su tutti. Al modello non viene chiesto di farli stare in una finestra.
Lettura scientifica su larga scala
RL-X1 legge collezioni, vincola affermazioni e compone inferenze tra di esse. Il prodotto del lavoro e strutturato, non narrativo.
Supporto decisionale con memoria
Utilizzato tramite Mnemo, RL-X1 ragiona su memoria multi-tenant con la traccia di audit allegata.
