Distileo
El destilador de modelos hiperespecializados de TCKC.
Ver las aplicacionesEl problema
Un modelo generalista no conoce un corpus de dominio: parafrasea su cultura general allí donde un dominio regulado exige sus reglas, sus referencias, sus asientos. Y hacer transitar un corpus sensible por una API extranjera queda a menudo excluido. Unos asistentes realmente anclados requieren modelos fieles a los documentos — y desplegables allí donde las restricciones lo exijan.
Por qué en TCKC
- Las aplicaciones TCKC se apoyan en corpus oficiales franceses: plan de cuentas, normas ANC, textos fiscales y laborales
- Distileo explora cómo derivar de ellos modelos especializados, desplegables en Francia (nube francesa) o en local
- Dominio piloto: contabilidad y análisis financiero (PCG, normas ANC, CGI)
Qué hace
Pipeline completo en 14 etapas
Ingesta de PDF, Word, Markdown o texto → extracción estructurada local → generación restringida de preguntas-respuestas → dataset JSONL por ciclo.
Doble juez de calidad
Cada par se puntúa por la fidelidad al extracto Y por la exactitud normativa; por debajo de los umbrales, se rechaza.
Destilación de razonamiento
Un modelo maestro soberano razona sobre las preguntas; el alumno aprende de esos razonamientos mediante afinado QLoRA local.
Puerta A/B obligatoria
El modelo afinado se compara con su base mediante doble juez — la ganancia de anclaje debe demostrarse; de lo contrario, el modelo se descarta.
Un modelo explotable
Modelo fusionado, cuantizado y exportado a Ollama, con verificación de identidad del modelo desplegado (huella SHA-256).
Trazabilidad integral
Datos, costes y puertas de calidad seguidos ciclo a ciclo, con antiduplicados por huella de contenido.
Cómo funciona
Distileo no es un modelo: es la fábrica que los produce. La extracción de los documentos se ejecuta íntegramente en local; el razonamiento del maestro se ejecuta sobre la pila Mistral alojada en nube francesa; el afinado del alumno (familia Ministral) se hace en local; el despliegue se realiza en un proveedor de alojamiento francés o en local. La lección central, medida: un dataset filtrado por jueces aumenta el anclaje del modelo; los datos sin filtrar lo degradan por debajo de su base. La calidad del juicio es el producto.
- Soberanía cartografiada etapa por etapa: extracción local, maestro y juez en nube francesa, entrenamiento local
- Un ciclo completo ya realizado de principio a fin en el dominio piloto, con ganancia de anclaje medida por doble juez
- Interfaz web de pilotaje: línea de producción en ocho estaciones, insignias de soberanía, seguimiento de costes
Estado
Preguntas frecuentes
¿Es Distileo un modelo descargable?
No. Distileo es la fábrica: produce modelos especializados, destilados a partir de un corpus de dominio, para la I+D de las aplicaciones TCKC.
¿Salen los documentos de la máquina?
La extracción y el afinado se ejecutan en local. Solo la etapa de razonamiento del maestro se ejecuta en una nube francesa (pila Mistral).
¿Qué garantiza la calidad del modelo producido?
Dos jueces automáticos puntúan cada par del dataset (fidelidad a los documentos, exactitud normativa), y una puerta A/B final compara el modelo afinado con su base: sin ganancia de anclaje demostrada, el modelo se descarta.
¿Sobre qué tipos de documentos?
PDF, Word, Markdown y texto, en francés. El dominio piloto es la contabilidad y el análisis financiero; otros dominios regulados también se prestan a ello.
¿Qué relación tiene con las aplicaciones TCKC?
El dominio piloto — contabilidad y análisis financiero — es el de Parles au PCG y FEC.NEWS: Distileo explora cómo los modelos especializados pueden reforzar el anclaje de este tipo de aplicación.
Las aplicaciones TCKC
Distileo forma parte de la I+D de TCKC; las aplicaciones en producción pueden descubrirse en el portfolio.