К содержимому
Дайджест

Числа, которые нельзя выдумать: архитектура Kepler

AI Engineer·7 ноября 2026·18:28
текст даёт основное понять, как устроено промо
Открыть на YouTube
Технический доклад CEO Kepler для инженеров и команд, которые строят AI-инструменты в финансах и хотят проверяемых числовых выводов.

Что в ролике

Финансовые компании до сих пор не доверяют ИИ числовым выводам, потому что модели предсказывают следующий токен, а не считают, и ошибки возникают из трёх источников: не тот документ, не то число из верного документа и устный счёт. В Kepler проблему решают иначе: на этапе препроцессинга код размечает каждый факт и число указателем на уникальный идентификатор, превращая неструктурированные данные в структурированное хранилище. Модель при этом только планирует, какой источник и сущность запросить, а сам поиск и вычисления выполняет детерминированный код, поэтому вывести число, которого нет в базе, модель не может — она обязана разыменовать указатель. После генерации идёт постобработка: проверяются ссылки, и пользователь видит кликабельные чипы, ведущие к исходной строке, а при невозможности подтвердить факт система отказывается выдавать число. Поиск устроен в несколько этапов: сначала ANN плюс BM25 собирают до 200 документов, затем reciprocal ranking и кросс-энкодеры сужают выдачу до 60 релевантных фрагментов. Отдельно спикер подчёркивает безопасность: нужно фильтровать тенантов, проверять, кто вызывает поиск, не отдавать устаревшие данные и не позволять прямому чтению обходить правила. Такой подход снизил долю отказов в продакшене Kepler, и автор призывает проверять у любого AI-вендора, пишет ли модель указатели, проверяет ли каждую ссылку и арифметику и что происходит с числом, взятым из ниоткуда.

Практика

Что получишь
Понимание архитектурного подхода к проверяемым числовым выводам и список вопросов для аудита AI-вендоров: от указателей и проверки ссылок до обработки отказов.
Первый шаг
Начните с аудита текущего пайплайна: проверьте, может ли модель вывести число, которого нет в источниках, и можно ли кликом по каждой цифре добраться до исходной строки.
Цифры
  • —270 млн долларов — столько венчурных денег за три месяца вложили в формальную верификацию после предыдущего выступления
  • —80% финансовых руководителей доверяют цифрам, но 31% находят в них ошибки — статистика спикера
  • —200 документов собирает первичный поиск, после reciprocal ranking остаётся 60
Честно
Спикер — CEO Kepler и продвигает собственную платформу, поэтому примеры и метрики поданы как продуктовые, без кода и готовых инструкций для повторения. Детали вроде хешей и внутренних пайплайнов упоминаются только на уровне принципов, а цифры вроде 270 млн долларов даны без проверяемых источников. Платных материалов или подписок не требуется.
Если слова незнакомы — 5 терминов

Связки из этого ролика

4 шт.

Компоненты

6 шт.

Формат: разбор · для продвинутых · уверенность разметки 0.88 · источник