Proyectos
Software público con código fuente, decisiones de diseño y resultados reproducibles. Cada ficha detalla qué resuelve, qué demuestra y dónde están sus límites.
Citable Publication
Publicación determinista en HTML, Markdown y JSON desde un único corpus, con verificación de integridad antes de publicar y fallos reproducibles.
RAG Evaluation Workbench
Evaluación reproducible de RAG con BM25, recuperación densa e híbrida, inferencia local en CPU y métricas separadas de recuperación y respuesta.
Agent Replay Runtime
Ejecución durable de herramientas con registro de eventos, claves de idempotencia y recuperación tras interrupciones reales del proceso. Incluye trazas de efectos y casos sin reintento automático.
Agent Injection Evals
Evaluación reproducible de inyección de prompts con un modelo local fijado, herramientas simuladas y métricas separadas de capacidad, intentos de ataque y efectos realizados.
MCP Contract Harness
Servidor MCP de solo lectura y clientes independientes para comprobar negociación, paginación, errores y cancelación por stdio, con mensajes reales e informes reproducibles.