North Star
¿Puede la estructura local de una señal decidir cuánto cómputo necesita?
Un programa de investigación sobre fase, geometría, dimensión intrínseca y estructura multiescala como señales para asignar capacidad neural de forma adaptativa.
Resumen
North Star estudia una cadena causal completa: convertir una señal en una descripción geométrica verificable, usar esa descripción para elegir capacidad y demostrar que el trabajo físico cambia sin perder calidad. La investigación separa cada eslabón para que una correlación interesante no se confunda con un mecanismo útil.
Figura 01
01 / Pregunta
De la señal al presupuesto
La investigación parte de una intuición concreta: dos entradas con el mismo tamaño externo pueden contener estructuras internas muy distintas. North Star pregunta si esa diferencia puede medirse a tiempo, transformarse en una decisión de routing y producir una asignación de rank, profundidad, tokens o ramas que sea causalmente útil.
- Señal → geometría → routing → capacidad → cómputo
- Incertidumbre explícita en cada estimador
- Comparación con controles simples bajo presupuestos equivalentes
02 / Hipótesis
Fase, dimensión y escalas
El programa organiza las hipótesis en familias: fase compleja como información estructural; dimensión intrínseca y proxies locales como guías de capacidad; geometría regional; representaciones multiescala; atención adaptativa; y eventos multimodales. Cada familia tiene un sujeto medible, controles y una regla de decisión propia.
- H1: fase y estructura compleja
- H2: dimensión intrínseca o proxy local
- H3–H4: geometría regional y multiescala
- H5–H6: atención y eventos multimodales
03 / Método
Benchmarks antes que arquitectura
Antes de entrenar una arquitectura, North Star construye generadores donde la propiedad investigada es conocida. Gemelos causales, controles de magnitud, phase scrambling, splits fuera de distribución y controles negativos ayudan a detectar atajos. El objetivo inicial es demostrar que el benchmark contiene la señal correcta y que una métrica puede recuperarla de forma reproducible.
- Synthetic phase
- Intrinsic dimension
- Mixed geometry
- Multiscale
- Multimodal events
- Fractal scaling como línea aislada hasta cerrar su contrato
04 / Frontera
Una cartografía de lo que ya existe
La revisión conecta estimación de dimensión, wavelets, topología persistente, token pruning, low-rank adaptativo y routing sparse. DynamicViT, ToMe, CoLT5, Pathformer, PiToMe y estimadores como TwoNN o Gride son controles importantes: muestran qué partes del problema ya están ocupadas y qué combinación fuerte sigue abierta.
- Representación compleja y fase
- Geometría local e intrinsic dimension
- Routing de tokens, expertos, rank y profundidad
- Multiescala, wavelets y topología
Propiedad conocida
Cada suite genera una verdad estructural explícita para evaluar si el sensor mide el constructo correcto.
Controles emparejados
Los cambios de dificultad, magnitud y ruido se separan de la variable causal que se quiere estudiar.
Resultado tipado
PASS, FAIL e INDETERMINATE conservan la diferencia entre evidencia positiva, refutación y falta de resolución.
Familias teóricas y antecedentes
La contribución buscada no es una nueva metáfora geométrica. Es una cadena medible donde la estructura local cambia una decisión, esa decisión cambia trabajo físico y el resultado conserva su calidad.