Você já tem vetores de texto e quer incorporar os de outra equipe. Ambos usam similaridade de cosseno e têm, por acaso, o mesmo tamanho. Parece faltar apenas importar os dados para o mesmo índice.
Mas é preciso responder primeiro: os números dos dois lados descrevem o mesmo espaço?
As coordenadas produzidas por um modelo vetorial são aprendidas. A dimensão 17 de um modelo não corresponde naturalmente à dimensão 17 de outro. Mesmo compreendendo textos de maneira parecida, os modelos podem escrever coordenadas diferentes.
O NAC (Nested Anchor Coordinates, coordenadas de âncoras aninhadas), pesquisado pela ToWow, parte daí: cada participante observa referências comuns com seu próprio modelo e troca os resultados. Vamos começar com um exemplo calculável à mão e depois chegar à descoberta de parceiros.
Um giro basta para invalidar a comparação direta
Imagine um modelo bidimensional A que representa um texto como x = (1, 0). O modelo B representa o mesmo texto como x′ = (0, 1). A similaridade de cosseno direta entre essas sequências é 0.
Neste exemplo didático, porém, B apenas gira todo o espaço de A em 90 graus no sentido anti-horário. Todos os ângulos entre textos continuam iguais. As buscas internas podem ser idênticas, enquanto a comparação entre modelos tratou o mesmo texto como direção ortogonal.
Acrescentemos referências comuns a e b. Em A, ficam em (1, 0) e (0, 1); após o giro, em B, ficam em (0, 1) e (-1, 0).
Cada modelo responde: quanto o texto se parece com a? E com b?
| Modelo | Coordenadas originais | Cosseno com a | Cosseno com b |
|---|---|---|---|
| A | (1, 0) |
1 | 0 |
| B | (0, 1) |
1 | 0 |
As coordenadas diferem, mas os resultados relativos são [1, 0] nos dois. Compará-los permite reconhecer a concordância deste exemplo.
Gire o espaço e compare os números
Esta simulação representa apenas uma rotação rígida. As relações aprendidas por modelos reais precisam de medições próprias.
Não aprendemos uma matriz que transforme B de volta em A. Cada lado calcula similaridades válidas no próprio espaço e escreve os resultados na mesma ordem. O intercâmbio descreve relações com os mesmos objetos.
Como referências públicas viram coordenadas
No NAC, uma referência pode ser um texto fixo ou exemplo acessível a todos. O protocolo estabelece o conjunto e sua ordem. Cada participante usa seu codificador E no conteúdo local x e nas referências a₁…aₘ, gerando:
c_E(x) = [cos(E(x), E(a₁)), …, cos(E(x), E(aₘ))]
A primeira posição significa “relação com a primeira referência”; a segunda, com a segunda. O vetor nativo de A pode ter 384 dimensões e o de B, 1,024. Calculando as mesmas m referências, ambos produzem m valores relacionais.
Representações relativas têm uma origem de pesquisa explícita. Em Relative Representations, apresentado no ICLR 2023, Moschella e colegas usam similaridades entre amostras e âncoras para representar dados e estudar comparação de espaços latentes e combinação de componentes de modelos. O NAC adota essa ideia de coordenadas e investiga transmissão por trechos, direção das relações e evolução de versões para redes abertas de agentes.
Referências comuns removem a ambiguidade sobre o significado de cada posição. Quanto de semântica permanece depende dos modelos e das referências reais. O giro funciona tão bem porque preserva ângulos; modelos reais podem aprender distinções diferentes.
Um pode dar grande importância à diferença entre “equipamento disponível para empréstimo” e “comprando equipamento”; outro aproxima ambos do tema equipamento. As referências tornam a divergência comparável; ainda é preciso verificar se ela prejudica a busca.
De uma tabela de relações à descoberta de colaboração
Considere um exemplo de design: uma equipe pequena faz controle de qualidade com imagem térmica e precisa de duas horas de equipamento e orientação presencial. Um laboratório próximo tem horários livres; outra engenheira também procura uma câmera semelhante.
Os textos de quem procura podem ser os mais parecidos: nomes de equipamento, objetivos e termos técnicos coincidem. O laboratório talvez se descreva como “plataforma instrumental”, “acesso por períodos curtos” e “apoio operacional”, mais distante na redação.
O sinal precisa, então, informar o papel do conteúdo na relação. O NAC permite dividir a descrição local em trechos direcionais: procura, oferta e contexto. “Procuro equipamento” compara-se primeiro com “ofereço equipamento” do laboratório. A outra pessoa que procura ainda pode oferecer experiência ou uma apresentação, mas seria outro motivo para colaborar.
A geração do sinal pode ser concreta:
- O agente local seleciona conteúdo pertinente à necessidade e autorizado para descoberta.
- Calcula, com o modelo local, suas relações com referências públicas.
- Acrescenta direção “procura”, versão das referências e validade.
- O receptor compara candidatos a partir dos trechos correspondentes de “oferta”.
A rede recebe uma descrição relacional com direção semântica. Horários e adequação do equipamento podem ser esclarecidos nas conversas seguintes.
Expandir coordenadas conforme o orçamento de transmissão
Uma rede pode começar com uma triagem barata e dedicar computação depois a poucos candidatos. O NAC organiza referências em ordem estável, permitindo enviar um prefixo curto e ampliá-lo quando necessário.
Por exemplo, a primeira rodada troca 32 valores e depois amplia para 128 se o candidato merecer atenção. Esses tamanhos são ilustrativos. A configuração útil precisa ser medida na tarefa: quantos objetos relevantes o prefixo perde, quantos a ampliação recupera e quanto cálculo e transmissão custa.
A ordem exige cuidado. Se as primeiras 32 referências descrevem compras industriais semelhantes, talvez distingam pouco colaborações artísticas ou ensino. Um vetor longo pode funcionar bem e ter um começo ruim. Poder truncar e continuar útil após truncar são problemas separados.
Isso explica a relação com Matryoshka Representation Learning. O método treina representações úteis em vários comprimentos; o NAC coloca a ordem segmentável nas referências externas, permitindo manter codificadores locais. Surge outra pergunta experimental: como escolher e ordenar referências para produzir sinal útil em cada orçamento de transmissão?
Modelos mudam, referências também
Trocar apenas um array de números de ponto flutuante não basta. O receptor precisa saber a versão, o tamanho do prefixo e quando a informação foi gerada. Arrays igualmente longos podem responder a perguntas diferentes.
O NAC leva a versão junto da direção e das coordenadas. Ao atualizar o modelo local, o agente pode voltar aos materiais originais e recalcular. Atualizar referências exige transição: gerar duas versões por algum tempo ou comparar nós que declarem suporte à mesma versão.
A escolha interessante desloca a dependência comum de “todos instalam o mesmo modelo” para “todos obtêm e interpretam as mesmas referências”. Cada lado mantém seu modelo; qualidade e evolução das referências tornam-se questões compartilhadas.
Quando vale adotar
Se todo conteúdo pode ser codificado em um serviço único, compartilhar o codificador costuma ser um começo direto: os vetores já estão no mesmo espaço e integração e busca ficam simples. Para reutilizar vetores entre espaços, também se podem aprender transformações; vec2vec investiga tradução aprendida de distribuições de embeddings.
O NAC merece estudo quando participantes querem manter modelos locais e precisam de uma representação comum interpretável e ampliável aos poucos. A escolha deve considerar qualidade de busca, cálculo de referências, transmissão e manutenção após trocar modelos.
A ToWow já tem desenho de sinal e implementação de referência; a eficácia da descoberta entre modelos ainda precisa ser validada. Diagnósticos locais anteriores incluíram coordenadas de âncoras e outras representações, mas não completaram avaliação suficiente da proposta entre fornecedores. Este texto explica o mecanismo e suas razões de design.
Codificador compartilhado, mapeamento aprendido e referências públicas colocam a manutenção em lugares diferentes. O NAC mantém modelos com cada participante e compartilha qualidade e ordem das referências. Sua adequação depende de quanta comparação útil entre modelos compensa esse custo.
Materiais: arquivo do mecanismo NAC e estado atual do Discovery Front; localizações em SOURCE-NOTES.md do pacote. Coordenadas bidimensionais, cenário de equipamentos e prefixos 32/128 são explicativos, não resultados de experimentos com modelos.