LiiaLabs · Investigación y arquitectura
VLLM y VPLLM: estandarización por capas.
Una propuesta para separar el modelo de lenguaje, el comportamiento del sistema y la identidad privada de los agentes.
El modelo es una parte de la arquitectura.
Un modelo de lenguaje ofrece capacidad de generación. Convertirla en una experiencia coherente también exige definir comportamiento, conocimiento, identidad y límites. Reunir todas esas decisiones en un único prompt dificulta distinguir las reglas comunes del sistema de las decisiones de cada aplicación.
La propuesta del laboratorio organiza estas responsabilidades por capas: el LLM como base de inferencia, el VLLM como perfil de sistema y el VPLLM como identidad privada. El canal de acceso presenta la experiencia sin convertirse en una nueva identidad cognitiva.
Del modelo a la experiencia
- LLM
Capacidad de lenguaje
El modelo base genera las respuestas. Puede utilizarse mediante un proveedor o en infraestructura propia, según los requisitos de la aplicación.
- VLLM
Comportamiento compartido
Virtual Large Language Model: una capa lógica que reúne la selección del modelo, los parámetros, las capacidades y las instrucciones comunes bajo un contrato de sistema.
- VPLLM
Identidad y conocimiento privados
Virtual Private Large Language Model: una configuración vinculada a un ámbito, con propósito, identidad, marco de respuesta y conocimiento autorizado.
- 04
Canal de acceso
Una web, aplicación o integración presenta el agente. Cambiar el canal no debería, por sí solo, crear otro agente ni ampliar sus permisos.
Qué debe estandarizarse
Un contrato común para el motor
El VLLM describe cómo se ofrece la capacidad de lenguaje: modelo de referencia, parámetros admitidos y capacidades disponibles. Cambiar de proveedor exige validar ese contrato, en lugar de asumir que distintos modelos son equivalentes.
Configuración privada con límites claros
El VPLLM especializa el comportamiento común mediante su finalidad, tono, idiomas y fuentes de conocimiento. Su marco de respuesta explicita la referencia esperada; la fidelidad deseada a ese contenido debe definirse y evaluarse.
Precedencia explícita de las reglas
Una instrucción privada puede complementar la política del sistema, pero no debería eliminar restricciones centrales. Los contenidos recuperados, documentos y mensajes de usuarios no reciben autoridad para cambiar esas reglas.
Permisos fuera del prompt
La aplicación debe verificar el acceso a documentos, herramientas y conversaciones en cada operación. La palabra «privado» no garantiza aislamiento: identidad, autorización y separación de datos deben implementarse.
Versionar la configuración efectiva.
La estandarización debe permitir identificar qué combinación de modelo, perfil VLLM, configuración VPLLM y fuentes de contexto intervino en una ejecución. Un cambio posterior no debe borrar la referencia utilizada para evaluar un resultado anterior.
Antes de promover una nueva versión del motor o del marco de respuesta, conviene evaluar casos representativos, registrar diferencias y prever una reversión. La separación por capas facilita la evolución, pero no sustituye las pruebas de compatibilidad.
Un motor compartido, dos identidades.
En un centro de investigación hipotético, el mismo perfil VLLM puede sostener agentes distintos. Se comparten las capacidades comunes, mientras que el contexto autorizado y la finalidad de cada agente permanecen separados.
Guía de visitantes
Un VPLLM consulta orientaciones públicas, horarios e información de visitas. Su finalidad es ayudar a quienes llegan al centro.
Asistente de investigación
Otro VPLLM trabaja con los documentos autorizados de un equipo. Compartir el motor no concede al primer agente acceso a ese archivo.
Estandarizar responsabilidades, preservar diferencias.
En esta propuesta, crear un VLLM o VPLLM no significa entrenar un nuevo modelo ni reservar una máquina exclusiva. Son abstracciones de configuración y operación. Su valor depende de contratos claros, contexto delimitado, controles verificables y evaluación continua de las respuestas.