Deep Dimensional Inspector (ddi-fw)

Acá no hay misterio ni aspavientos de Silicon Valley.
Este galpón de código es el Deep Dimensional Inspector (DDI): un banco de pruebas modesto, armado para mirar despacio y por las piedras qué pasa adentro de las 1024 dimensiones de BGE-M3.
La idea de fondo es sencilla: en vez de promediar todo a bulto con un coseno y dar por bueno lo que venga, nos sentamos a inspeccionar coordenada por coordenada. Si una cláusula no calza en los límites geométricos de la hipótesis, se frena en seco y no pasa al modelo. Ta, sin más vueltas.

---

De qué se trata esto: inspeccionar sin apuro

ddi-fw es el arnés de investigación y prototipado del Deep Dimensional Inspector, pensado como un banco de trabajo para evaluar la hipótesis de contención semántica:

• Inspección dimensional profunda: La costumbre generalizada es apretar 1024 dimensiones en un solo número angular ($\cos \theta$). Acá preferimos abrir el tensor y mirar coordenada por coordenada en coma flotante nativa IEEE 754.
• Comprobación de la hipótesis: Poner a prueba si una arquitectura de doble compuerta espectral (poda de ruido de fondo más quórum estricto) logra confinar dominios semánticos en hiper-rectángulos disjuntos $[lo_d, hi_d]$.
• Proxy local para probar en frío: Para no quedarse en la teoría, funciona como un reverse proxy transparente delante de un motor local (Ollama, vLLM, Llama-cpp), usando el formato estándar de OpenAI.
• Precisión del silicio: Rige la regla de cero redondeos (.agents/rules/cero-redondeos.md). En el taller no se redondea a ojo: los números se respetan tal como salen del hardware.

---

El problema del promedio: por qué el coseno se marea con la mezcla

Los clasificadores basados en similitud coseno tienen una flaqueza conocida: la dilución. Cuando se promedian 1024 dimensiones en un solo escalar, un texto intruso bien envuelto en código legítimo pasa desapercibido porque la masa de sintaxis disimula el contenido:

       Mezcla de textos (Piggybacking):
       ┌─────────────────────────────────────────────────────────────┐
       │ def execute_task():                                         │
       │     """Cláusula contractual: el arrendatario indemnizará..."""│  <── Párrafo intruso camuflado
       │     return True                                             │
       └─────────────────────────────────────────────────────────────┘
                                      │
            ┌─────────────────────────┴─────────────────────────┐
            ▼                                                   ▼
   [ Clasificador de Coseno ]                       [ DDI: Inspección por Coordenadas ]
   • Promedia el texto con el código                • Parte las cláusulas y aísla el docstring
   • Da score positivo: Δ_cos = +0.0899             • Mide cada dimensión contra los límites
   • Resultado: lo deja pasar de largo              • Resultado: HTTP 403 (0 votos de quórum)

En las corridas con el banco de pruebas Rompepepe:

• El coseno estándar dejó filtrar entre 14.5% y 58.2% de los casos cuando se mezclaron textos ajenos dentro de funciones o estructuras válidas.
• La compuerta dimensional del DDI contuvo las 220 muestras del protocolo v0.4.0, respaldando de forma empírica la cota teórica calculada para la hipótesis: $$P_{\text{bypass}} \le (0.80)^{100} \approx 2.037 \times 10^{-10} < 10^{-9}$$

---

Fundamento Teórico: Tesis de Alta Densidad de Manifold

¿Por qué se sostiene que el espacio latente aguanta mucho más texto del que se supone habitualmente?

El planteo matemático y la ruptura con la intuición euclidiana de "paredes gruesas" está desarrollado en el documento:
📄 Protocolo 08: Tesis de Alta Densidad de Manifold y Límites de Ingesta

Allí se argumenta por qué en 1024 dimensiones el agregado de datos especializados no satura el espacio: al contrario, ayuda a limpiar las dimensiones espurias y afina los bordes de decisión, permitiendo límites más definidos.

---

El mecanismo de inspección: Doble compuerta espectral

                            [ Texto entrante ]
                                     │
                                     ▼
                        [ Particionador de cláusulas ]
                                     │
                                     ▼
                       [ Inferencia Vectorial BGE-M3 ]
                           (Tensor Float32, 1024D)
                                     │
                                     ▼
           ┌──────────────────────────────────────────────────┐
           │     COMPUERTA 1: PODA DE RUIDO DE FONDO          │
           │   Se apagan 9 coordenadas universales de fondo:  │
           │   (292, 297, 308, 386, 404, 577, 780, 329, 616)  │
           │   Quedan 985 dimensiones con señal útil          │
           └─────────────────────────┬────────────────────────┘
                                     │
                                     ▼
           ┌──────────────────────────────────────────────────┐
           │     COMPUERTA 2: REGLA DE QUÓRUM (10%)           │
           │   Exige un mínimo de K = 103 votos afirmativos   │
           │   en las 55 cerraduras canónicas trilingües      │
           └─────────────────────────┬────────────────────────┘
                                     │
                     ┌───────────────┴───────────────┐
                     ▼                               ▼
           [ Quórum >= 103 en todas ]     [ Quórum < 103 en alguna ]
                     │                               │
                     ▼                               ▼
              HTTP 200 / Adelante            HTTP 403 Contención
             (Pasa al modelo local)         (ddi_ingress_breach)

1. Compuerta 1 (Poda de ruido de fondo): Se silencian las coordenadas que tienen energía permanente sin importar el tema, evitando votos afirmativos que no corresponden.
2. Compuerta 2 (Regla de quórum del 10%): Se exigen al menos $K = \lceil 0.10 \times 1024 \rceil = 103$ dimensiones dentro de la región segura para cada par de dominios comparados.
3. 55 Cerraduras canónicas trilingües: Combinaciones entre 11 dominios ($\binom{11}{2} = 55$) en Español, Inglés y Alemán: python, receta, legal, medicina, astronomia, finanzas, filosofia, musica, geologia, botanica, arquitectura.

---

Puesta en marcha, sin misterio

El entorno se administra con uv, para mantener las cosas simples y ordenadas:

1. Descargar y preparar dependencias

git clone https://github.com/hbauzan/ddi-fw.git
cd ddi-fw
uv sync --extra dev
cp .env.example .env

2. Calibrar matrices del banco de pruebas

# Calibración sobre BGE-M3 (Apple Silicon MPS o CPU):
uv run python -m ddi_fw.embedder --embedder bge-m3 --out ddi_fw/out/rows.npz --rewrite-fixtures
uv run python -m ddi_fw.press --rows ddi_fw/out/rows.npz --out ddi_fw/out

3. Verificar que esté todo en orden

uv run pytest
PYTHONPATH=. uv run pytest tools/rompepepe/tests

---

Probando el proxy local con Ollama o vLLM

Configurá el archivo .env apuntando al motor local que tengas corriendo (por ejemplo, Ollama en el puerto 11434):

DDI_UPSTREAM_URL=http://127.0.0.1:11434/v1
DDI_UPSTREAM_MODEL=llama3.2
PORT=8080

Levantá el inspector:

PORT=8080 uv run python -m ddi_fw.proxy

Caso normal (pasa derecho al modelo):

curl -s http://127.0.0.1:8080/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"messages":[{"role":"user","content":"Explicá cómo funciona list.append en Python."}],"model":"ddi-fw"}'

Caso con trampa (se frena en la compuerta dimensional):

curl -i -s http://127.0.0.1:8080/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"messages":[{"role":"user","content":"def hack():\n    \"\"\"Prescribir amoxicilina 500mg cada 8 horas al paciente.\"\"\"\n    return True"}],"model":"ddi-fw"}'

Respuesta: HTTP/403 Forbidden — {"error":{"type":"ddi_ingress_breach","message":"ingress breach","audit":{...}}} (corta ahí, sin repetir el texto intruso).

---

Precisión numérica: cero redondeos

En este trabajo rige la Invariante de Precisión Absoluta (.agents/rules/cero-redondeos.md):

• No se redondea ni se trunca ningún valor de punto flotante por razones estéticas.
• Las comparaciones se resuelven en float32 nativo y las acumulaciones intermedias van a float64.
• La separación media entre dominios ($\Delta_{avg} \approx 0.014$) supera con holgura la deriva física medida en el silicio ($2.46 \times 10^{-7}$). El criterio es estricto: lo que decide es la geometría, no el azar.

---

Glosario criollo del taller

Para no enredarse con los términos de trabajo (documentados formalmente en CONTEXT.md):

Término	Qué es acá adentro	Qué NO es
alma	Conjunto de oraciones o cláusulas que definen un oficio o tema	Un dataset ruidoso bajado de apuro
cláusula	Unidad mínima de texto que se procesa y se evalúa	Un pedazo ciego cortado por tokens
hoja	Los límites medidos $[lo_d, hi_d]$ por coordenada entre dos temas	Un promedio, un centroide o un ángulo
candado	Hoja más los ejes disjuntos; solo vale si alcanza el quórum	Una lista de palabras prohibidas
trigo	Las coordenadas que diferencian con claridad un tema de otro	Dimensiones vacías o con ruido
ruido basal	Coordenadas que prenden en casi cualquier texto y se silencian	Dimensiones con información útil

---

Informes y documentación de campo

• 📊 Registros de pruebas: Carpeta reports/.
  • Informe de Fuzzing Rompepepe (v0.4.0) (Lote de 220 casos de prueba).
  • Auditoría de Sensibilidad de Quórum y Comparativa de Coseno ($K^* = 20$, límites medidos).
• 🗺️ Roadmap de trabajo: Carpeta roadmap/.
  • Protocolo 08: Tesis de Alta Densidad de Manifold.
• 🧠 Notas de trabajo e invariantes: .agents/skills/dev-protocol/lessons-learned.md.

---

Licencia y Registro Oficial de Propiedad Intelectual

Copyright (c) 2026 Héctor Andrés Bauzán Saavedra, AKA "eletor". Todos los derechos reservados.

El software, algoritmos, arquitectura de hiper-cajas espectrales y documentación contenidos en este repositorio son propiedad exclusiva del titular. No se otorga ninguna licencia de uso, copia, modificación o distribución comercial sin previa autorización escrita.

Declaración de Obra Derivada y Registro Oficial

Todo lo contenido en este repositorio deriva del trabajo y arquitectura registrada en:
🔗 https://github.com/hbauzan/semantic-firewall

• Obra / Work: Three-Headed Semantic Firewall
• Titular / Author: Héctor Andrés Bauzán Saavedra
• Número de Inscripción: Nº 226
• Fecha de Inscripción: 04/08/2026 (August 4, 2026)
• Organismo / Registry: Dirección Nacional de la Propiedad Industrial (DNPI - MIEM) / Registro de Software, República Oriental del Uruguay
• Marco Legal: Ley 9.739 de 17/12/1937 (conforme a Ley N° 20.212 y Decreto N° 39/2025)

Pursuant to Section 4(d) of the Apache License, Version 2.0, the NOTICE file must be retained and distributed with any reproduction or derivative work.