Links e acesso
O pensamento
O modelo aprendeu uma geometria; a pergunta é como entrar nela sem treinar. O X-Factor lê a matriz de embeddings estruturalmente e projeta o texto sobre o subespaço principal — a mesma filosofia bound-guided do Madhava (Rayleigh quotient como critério de seleção).
Por que importa
É a peça matemática que conecta o tokenizador espectral (nano) ao espaço latente do modelo — o 'como entrar no manifold' do stack WINNEX. Suplemento ao Winnex-Nano.
Metodologia
Hipótese do manifold → centering → covariância → eigendecomposição por power iteration com deflation (Rayleigh quotient como bound) → rank efetivo → projetor → tokenização espectral (character histogram) → operador completo
Resultados principais
- Operador Φ_X(T) = X·Xᵀ·pad_L2(histogram(T))
- P²=P (idempotente) e Pᵀ=P (simétrico) — projetor ortogonal exato
- Complexidade O(D²r·iters) vs O(D³); D=2048 em ~73s CPU única
- rank efetivo r(τ=0.95) via variância capturada
Por que esta branch importa
Package PyPI winnex-xfactor com núcleo C++20; matemática documentada no registro.