{"schemaVersion":1,"id":"https://lucioduran.com/es/projects/chunking-ablation-suite","url":"https://lucioduran.com/es/projects/chunking-ablation-suite","title":"Chunking Ablation Suite","description":"Ablaciones de fragmentación fija, estructural y semántica con el mismo MiniLM. Mide evidencia completa recuperada y costo de indexación en código, tablas y referencias cruzadas.","language":"es","datePublished":"2026-10-21","dateModified":"2026-10-21","contentFormat":"text/markdown","content":"[Proyectos]() / Chunking Ablation Suite\n\n# Chunking Ablation Suite\n\nAblaciones de fragmentación fija, estructural y semántica con el mismo MiniLM. Mide evidencia completa recuperada y costo de indexación en código, tablas y referencias cruzadas.\n\nAutor: [Lucio Durán]() · Python 3.11.13 · Licencia: [MIT]()\n\nFicha publicada: 2026-10-21 · Ficha actualizada: 2026-10-21\n\n[Repositorio]() · [Evidencia original]() · [Release v0.1.0]()\n\n## Problema y utilidad para agentes\n\nEncontrar el documento correcto sirve de poco si el fragmento pierde una condición, una celda o el destino de una referencia. Esta suite mide si el texto recuperado conserva toda la evidencia necesaria.\n\nPermite elegir segmentación sobre un corpus concreto y revisar sus fallos. Las decisiones quedan respaldadas por offsets, fragmentos, vectores y rankings guardados.\n\n## Arquitectura\n\n1. **Corpus con evidencia localizada.** Dieciocho documentos originales de ficción incluyen código, tablas y referencias cruzadas. Las consultas declaran los spans requeridos y separan documentos de desarrollo y evaluación.\n2. **Ocho configuraciones congeladas.** Compara ventanas fijas, bloques por estructura y límites semánticos de MiniLM. Varía método, presupuesto de palabras, overlap o umbral manteniendo el embedding y el retrieval top-3.\n3. **Replay de la recuperación.** Reconstruye límites con embeddings de bloques guardados, rankings con vectores de fragmentos y consultas, cobertura de evidencia y costos de los índices.\n\n- [Diseño y metodología]()\n- [Contrato de datos]()\n\n## Qué demuestra\n\n- Diseño de ablaciones con una variable por contraste y resultados por tipo de documento.\n- Separación entre recuperar un documento y recuperar evidencia completa.\n- Publicación de resultados nulos y fallos de segmentación con datos inspeccionables.\n\n## Resultados publicados\n\nMedición local con MiniLM en Intel Xeon W-3223 y dos hilos de CPU. Hay 18 consultas de desarrollo y 36 de evaluación; todos los índices contienen los mismos 18 documentos.\n\nComplete@3 exige que la unión de los tres primeros fragmentos cubra todos los spans requeridos. No mide respuestas generadas. Los tamaños 64 y 96 son presupuestos de palabras, no tokens del modelo.\n\n### Evidencia completa en evaluación\n\n| Configuración | Complete@3 | Fragmentos del índice |\n| --- | --- | --- |\n| fixed-64 | 21 / 36 | 78 |\n| fixed-96 | 31 / 36 | 54 |\n| structure-64 | 12 / 36 | 96 |\n| structure-96 | 33 / 36 | 84 |\n| semantic-64 | 12 / 36 | 96 |\n| semantic-96 | 12 / 36 | 68 |\n| fixed-64-overlap16 | 32 / 36 | 90 |\n| semantic-64-threshold07 | 12 / 36 | 96 |\n\nStructure-96 recuperó evidencia completa en 33 de 36 consultas. Las configuraciones semánticas lo hicieron en 12. A 64 palabras, cambiar el umbral no cambia ningún límite porque ningún par de bloques cabe en el presupuesto; esa ablación no informa sensibilidad al umbral.\n\nEl análisis desglosa recall de spans, completitud, bytes de texto, payload vectorial y tiempo de construcción por código, tablas y referencias cruzadas. Los tiempos son observaciones secuenciales de un único equipo. [Resultados y análisis]().\n\n## Reproducir\n\nEl replay funciona con Python 3.11 y biblioteca estándar. Repetir la inferencia requiere el modelo MiniLM fijado y los paquetes del entorno publicado.\n\nLos comandos usan shell POSIX. Reemplazá MODEL\\_PATH por la ruta que imprime download y elegí directorios nuevos. Ejecutá desarrollo antes de evaluación y evitá otras tareas intensivas durante la medición.\n\n### Revisar la evidencia guardada\n\n```\ngit clone https://github.com/lucioduran/chunking-ablation-suite.git\ncd chunking-ablation-suite\ngit checkout 12193ba09bb1081a05d3ea7a043748089aa2330b\npython -m chunking_suite verify --report results/dev/report.json\npython -m chunking_suite verify --report results/eval/report.json\n```\n\n### Repetir la medición local\n\n```\npython -m venv .venv\n. .venv/bin/activate\npython -m pip install -r requirements-local.lock\npython -m chunking_suite download\n# Replace MODEL_PATH with the snapshot path printed by download.\nHF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 OMP_NUM_THREADS=2 MKL_NUM_THREADS=2 OPENBLAS_NUM_THREADS=2 python -m chunking_suite run --model-path MODEL_PATH --split dev --output build/reproduced-dev\nHF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 OMP_NUM_THREADS=2 MKL_NUM_THREADS=2 OPENBLAS_NUM_THREADS=2 python -m chunking_suite run --model-path MODEL_PATH --split eval --output build/reproduced-eval\npython -m chunking_suite verify --report build/reproduced-eval/report.json\n```\n\n## Alcance y límites\n\n- Corpus sintético conocido por el autor, con plantillas compartidas entre particiones y sin revisión humana independiente.\n- La preservación de bloques atómicos difiere entre métodos. Compararlos no aísla por sí solo el efecto causal de los embeddings semánticos.\n- No genera respuestas, sigue enlaces ni evalúa preguntas sin respuesta. El payload no representa memoria total de una base vectorial.\n\n- [Arquitectura RAG: fragmentación y evaluación]()\n\n## Fuentes y revisión\n\nLos valores de esta ficha provienen del informe enlazado. No son una medición en vivo. El informe conserva la revisión ejecutada; la revisión consultada incluye la publicación posterior de ese informe.\n\n- Revisión consultada: [` 12193ba09bb1081a05d3ea7a043748089aa2330b `]()\n- Revisión registrada por el experimento: [` 5e1f27c2aba7624f181e4b1a172873b5180b8f53 `]()\n- Fecha del informe (UTC): 2026-10-21T21:57:38.943953+00:00\n- Release publicada: [v0.1.0]() · 2026-10-21T22:01:14Z\n\n- [README y uso]()\n- [Evidencia original]()\n- [Evidencia de desarrollo]()\n- [Resumen de evaluación JSON]()\n- [Resultados y análisis]()\n- [Diseño y metodología]()\n- [Contrato de datos]()\n- [Modelos, revisiones y licencias]()\n- [Dependencias del entorno medido]()\n- [Licencia MIT]()","headings":[{"level":1,"text":"Chunking Ablation Suite","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#title"},{"level":2,"text":"Problema y utilidad para agentes","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#problem"},{"level":2,"text":"Arquitectura","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#architecture"},{"level":2,"text":"Qué demuestra","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#demonstrates"},{"level":2,"text":"Resultados publicados","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#results"},{"level":3,"text":"Evidencia completa en evaluación","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#results-coverage"},{"level":2,"text":"Reproducir","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce"},{"level":3,"text":"Revisar la evidencia guardada","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce-replay"},{"level":3,"text":"Repetir la medición local","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce-inference"},{"level":2,"text":"Alcance y límites","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#scope"},{"level":2,"text":"Fuentes y revisión","url":"https://lucioduran.com/es/projects/chunking-ablation-suite#sources"}],"sections":[{"heading":"Chunking Ablation Suite","level":1,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite","content":"[Proyectos]() / Chunking Ablation Suite"},{"heading":"Chunking Ablation Suite","level":1,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#title","content":"Ablaciones de fragmentación fija, estructural y semántica con el mismo MiniLM. Mide evidencia completa recuperada y costo de indexación en código, tablas y referencias cruzadas.\n\nAutor: [Lucio Durán]() · Python 3.11.13 · Licencia: [MIT]()\n\nFicha publicada: 2026-10-21 · Ficha actualizada: 2026-10-21\n\n[Repositorio]() · [Evidencia original]() · [Release v0.1.0]()"},{"heading":"Problema y utilidad para agentes","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#problem","content":"Encontrar el documento correcto sirve de poco si el fragmento pierde una condición, una celda o el destino de una referencia. Esta suite mide si el texto recuperado conserva toda la evidencia necesaria.\n\nPermite elegir segmentación sobre un corpus concreto y revisar sus fallos. Las decisiones quedan respaldadas por offsets, fragmentos, vectores y rankings guardados."},{"heading":"Arquitectura","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#architecture","content":"1. **Corpus con evidencia localizada.** Dieciocho documentos originales de ficción incluyen código, tablas y referencias cruzadas. Las consultas declaran los spans requeridos y separan documentos de desarrollo y evaluación.\n2. **Ocho configuraciones congeladas.** Compara ventanas fijas, bloques por estructura y límites semánticos de MiniLM. Varía método, presupuesto de palabras, overlap o umbral manteniendo el embedding y el retrieval top-3.\n3. **Replay de la recuperación.** Reconstruye límites con embeddings de bloques guardados, rankings con vectores de fragmentos y consultas, cobertura de evidencia y costos de los índices.\n\n- [Diseño y metodología]()\n- [Contrato de datos]()"},{"heading":"Qué demuestra","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#demonstrates","content":"- Diseño de ablaciones con una variable por contraste y resultados por tipo de documento.\n- Separación entre recuperar un documento y recuperar evidencia completa.\n- Publicación de resultados nulos y fallos de segmentación con datos inspeccionables."},{"heading":"Resultados publicados","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#results","content":"Medición local con MiniLM en Intel Xeon W-3223 y dos hilos de CPU. Hay 18 consultas de desarrollo y 36 de evaluación; todos los índices contienen los mismos 18 documentos.\n\nComplete@3 exige que la unión de los tres primeros fragmentos cubra todos los spans requeridos. No mide respuestas generadas. Los tamaños 64 y 96 son presupuestos de palabras, no tokens del modelo."},{"heading":"Evidencia completa en evaluación","level":3,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#results-coverage","content":"| Configuración | Complete@3 | Fragmentos del índice |\n| --- | --- | --- |\n| fixed-64 | 21 / 36 | 78 |\n| fixed-96 | 31 / 36 | 54 |\n| structure-64 | 12 / 36 | 96 |\n| structure-96 | 33 / 36 | 84 |\n| semantic-64 | 12 / 36 | 96 |\n| semantic-96 | 12 / 36 | 68 |\n| fixed-64-overlap16 | 32 / 36 | 90 |\n| semantic-64-threshold07 | 12 / 36 | 96 |\n\nStructure-96 recuperó evidencia completa en 33 de 36 consultas. Las configuraciones semánticas lo hicieron en 12. A 64 palabras, cambiar el umbral no cambia ningún límite porque ningún par de bloques cabe en el presupuesto; esa ablación no informa sensibilidad al umbral.\n\nEl análisis desglosa recall de spans, completitud, bytes de texto, payload vectorial y tiempo de construcción por código, tablas y referencias cruzadas. Los tiempos son observaciones secuenciales de un único equipo. [Resultados y análisis]()."},{"heading":"Reproducir","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce","content":"El replay funciona con Python 3.11 y biblioteca estándar. Repetir la inferencia requiere el modelo MiniLM fijado y los paquetes del entorno publicado.\n\nLos comandos usan shell POSIX. Reemplazá MODEL\\_PATH por la ruta que imprime download y elegí directorios nuevos. Ejecutá desarrollo antes de evaluación y evitá otras tareas intensivas durante la medición."},{"heading":"Revisar la evidencia guardada","level":3,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce-replay","content":"```\ngit clone https://github.com/lucioduran/chunking-ablation-suite.git\ncd chunking-ablation-suite\ngit checkout 12193ba09bb1081a05d3ea7a043748089aa2330b\npython -m chunking_suite verify --report results/dev/report.json\npython -m chunking_suite verify --report results/eval/report.json\n```"},{"heading":"Repetir la medición local","level":3,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#reproduce-inference","content":"```\npython -m venv .venv\n. .venv/bin/activate\npython -m pip install -r requirements-local.lock\npython -m chunking_suite download\n# Replace MODEL_PATH with the snapshot path printed by download.\nHF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 OMP_NUM_THREADS=2 MKL_NUM_THREADS=2 OPENBLAS_NUM_THREADS=2 python -m chunking_suite run --model-path MODEL_PATH --split dev --output build/reproduced-dev\nHF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 OMP_NUM_THREADS=2 MKL_NUM_THREADS=2 OPENBLAS_NUM_THREADS=2 python -m chunking_suite run --model-path MODEL_PATH --split eval --output build/reproduced-eval\npython -m chunking_suite verify --report build/reproduced-eval/report.json\n```"},{"heading":"Alcance y límites","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#scope","content":"- Corpus sintético conocido por el autor, con plantillas compartidas entre particiones y sin revisión humana independiente.\n- La preservación de bloques atómicos difiere entre métodos. Compararlos no aísla por sí solo el efecto causal de los embeddings semánticos.\n- No genera respuestas, sigue enlaces ni evalúa preguntas sin respuesta. El payload no representa memoria total de una base vectorial.\n\n- [Arquitectura RAG: fragmentación y evaluación]()"},{"heading":"Fuentes y revisión","level":2,"url":"https://lucioduran.com/es/projects/chunking-ablation-suite#sources","content":"Los valores de esta ficha provienen del informe enlazado. No son una medición en vivo. El informe conserva la revisión ejecutada; la revisión consultada incluye la publicación posterior de ese informe.\n\n- Revisión consultada: [` 12193ba09bb1081a05d3ea7a043748089aa2330b `]()\n- Revisión registrada por el experimento: [` 5e1f27c2aba7624f181e4b1a172873b5180b8f53 `]()\n- Fecha del informe (UTC): 2026-10-21T21:57:38.943953+00:00\n- Release publicada: [v0.1.0]() · 2026-10-21T22:01:14Z\n\n- [README y uso]()\n- [Evidencia original]()\n- [Evidencia de desarrollo]()\n- [Resumen de evaluación JSON]()\n- [Resultados y análisis]()\n- [Diseño y metodología]()\n- [Contrato de datos]()\n- [Modelos, revisiones y licencias]()\n- [Dependencias del entorno medido]()\n- [Licencia MIT]()"}],"links":[{"text":"Proyectos","url":"https://lucioduran.com/es/projects"},{"text":"Lucio Durán","url":"https://lucioduran.com/es"},{"text":"MIT","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/LICENSE"},{"text":"Repositorio","url":"https://github.com/lucioduran/chunking-ablation-suite"},{"text":"Evidencia original","url":"https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/eval/report.json"},{"text":"Release v0.1.0","url":"https://github.com/lucioduran/chunking-ablation-suite/releases/tag/v0.1.0"},{"text":"Diseño y metodología","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/design.md"},{"text":"Contrato de datos","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/contract.md"},{"text":"Resumen de evaluación JSON","url":"https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/eval/summary.json"},{"text":"Resultados y análisis","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/results.md"},{"text":"Arquitectura RAG: fragmentación y evaluación","url":"https://lucioduran.com/es/blog/rag-pipeline-architecture-chunking-reranking-evaluation"},{"text":"12193ba09bb1081a05d3ea7a043748089aa2330b","url":"https://github.com/lucioduran/chunking-ablation-suite/commit/12193ba09bb1081a05d3ea7a043748089aa2330b"},{"text":"5e1f27c2aba7624f181e4b1a172873b5180b8f53","url":"https://github.com/lucioduran/chunking-ablation-suite/commit/5e1f27c2aba7624f181e4b1a172873b5180b8f53"},{"text":"v0.1.0","url":"https://github.com/lucioduran/chunking-ablation-suite/releases/tag/v0.1.0"},{"text":"README y uso","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/README.md"},{"text":"Evidencia de desarrollo","url":"https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/dev/report.json"},{"text":"Modelos, revisiones y licencias","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/model-notices.md"},{"text":"Dependencias del entorno medido","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/requirements-local.lock"},{"text":"Licencia MIT","url":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/LICENSE"}],"structuredData":[{"@context":"https://schema.org","@graph":[{"@type":"WebPage","@id":"https://lucioduran.com/es/projects/chunking-ablation-suite#page","url":"https://lucioduran.com/es/projects/chunking-ablation-suite","name":"Chunking Ablation Suite","description":"Ablaciones de fragmentación fija, estructural y semántica con el mismo MiniLM. Mide evidencia completa recuperada y costo de indexación en código, tablas y referencias cruzadas.","inLanguage":"es","datePublished":"2026-10-21","dateModified":"2026-10-21","author":{"@id":"https://lucioduran.com/#person"},"mainEntity":{"@id":"https://lucioduran.com/projects/chunking-ablation-suite#software"}},{"@type":"SoftwareSourceCode","@id":"https://lucioduran.com/projects/chunking-ablation-suite#software","name":"Chunking Ablation Suite","description":"Ablaciones de fragmentación fija, estructural y semántica con el mismo MiniLM. Mide evidencia completa recuperada y costo de indexación en código, tablas y referencias cruzadas.","url":"https://lucioduran.com/es/projects/chunking-ablation-suite","codeRepository":"https://github.com/lucioduran/chunking-ablation-suite","programmingLanguage":"Python","runtimePlatform":"Python 3.11.13","license":"https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/LICENSE","version":"v0.1.0","identifier":{"@type":"PropertyValue","propertyID":"git-commit","value":"12193ba09bb1081a05d3ea7a043748089aa2330b"},"author":{"@type":"Person","@id":"https://lucioduran.com/#person","name":"Lucio Durán","url":"https://lucioduran.com"},"isAccessibleForFree":true,"citation":["https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/README.md","https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/eval/report.json","https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/dev/report.json","https://raw.githubusercontent.com/lucioduran/chunking-ablation-suite/12193ba09bb1081a05d3ea7a043748089aa2330b/results/eval/summary.json","https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/results.md","https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/design.md","https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/contract.md","https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/docs/model-notices.md","https://github.com/lucioduran/chunking-ablation-suite/blob/12193ba09bb1081a05d3ea7a043748089aa2330b/requirements-local.lock","https://github.com/lucioduran/chunking-ablation-suite/releases/tag/v0.1.0"]},{"@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"Proyectos","item":"https://lucioduran.com/es/projects"},{"@type":"ListItem","position":2,"name":"Chunking Ablation Suite","item":"https://lucioduran.com/es/projects/chunking-ablation-suite"}]}]}],"contentHash":"00ec7a67c0ebd6d58a9cd1171170ad05585d4e4a0c31dd5b881bd067a02ccdb5","provenance":{"method":"Deterministic serialization of the server-rendered main element","source":"https://lucioduran.com/es/projects/chunking-ablation-suite","hashAlgorithm":"sha256","hashScope":"JSON document fields before contentHash and provenance","sourceHTMLBytes":46616,"contentBytes":8222}}