Prove di cancellazione, con ricevuta.
La maggior parte della "conformità AI" si ferma ai log di accesso e alle barriere a livello di prompt. Divinci entra dentro il modello. Ogni associazione di entità è una caratteristica interrogabile; ogni modifica è una patch portatile e verificabile — e il vIndex registra ciò che il modello rispondeva prima e dopo, in una forma che una terza parte può verificare.
Anteprima di ricerca. Il prodotto di cancellazione dai modelli di Divinci è in fase attiva di ricerca e sviluppo e non è disponibile al pubblico. Nulla in questa pagina afferma che ti renda conforme al GDPR, al Regolamento UE sull'IA o a qualsiasi altra legge. Pubblichiamo ogni risultato dei test, compresi i fallimenti.
Un'IA può dimenticare? Un aggiornamento onesto
Tre minuti sullo stato della nostra ricerca per rimuovere fatti dai modelli open-weights: cosa funziona, quanto costa una modifica, cosa è fallito e cosa proveremo dopo.
L’esempio completo: Cancellare Parigi da un modello linguistico
What the regulation requires
The same artifact answers transparency, oversight, documentation, and erasure requirements.
| Regulation | Requirement | Competitors | vIndex |
|---|---|---|---|
 Regolamento UE sull'IA §13 Trasparenza | "Trasparenza sufficiente per consentire agli utenti di interpretare gli output" | Model card, descrizioni testuali del sistema | Dossier Allegato IV generato dai record della release e dal registro delle modifiche al modello, con ogni lacuna dichiarata |
| Regolamento UE sull'IA §14 Supervisione umana | Gli operatori devono intervenire in modo significativo | Barriere a livello di prompt (aggirabili tramite jailbreak) | Patch DELETE a livello di pesi sulla caratteristica, non sul prompt — in fase di test; ne misuriamo e pubblichiamo gli effetti collaterali sulle altre risposte |
| Regolamento UE sull'IA Allegato IV Documentazione tecnica | "Logica generale del sistema di IA" | Diagrammi di architettura + riassunti dei dati di addestramento | Documentazione meccanicistica esatta al bit: vocabolario proiettato di ogni caratteristica, metrica strutturale di ogni livello (C1–C5) |
 GDPR Articolo 17 Diritto alla cancellazione | Rimozione verificabile dei dati personali | Fine-tuning per "dimenticare" — non verificabile; i dati possono riemergere in modo avversariale | In ricerca: rimozione ricostruendo il fine-tuning senza la persona, con una ricevuta firmata prima e dopo — non ancora convalidata |
 HIPAA · PCI · GDPR De-identificazione | Rimuovere le PII dai prodotti di dati | Filtraggio dei token in I/O (possibili fughe) | Telemetria di deployment come base probatoria: Divinci non è certificata SOC 2 |
 NIST AI RMF Gestione | Quantificare e gestire il rischio residuo | Valutazioni di rischio a sensazione | vIndex come sistema di registro; certificazione non ancora ottenuta |
Com'è davvero una "ricevuta"
Una patch vIndex è un file JSON portabile con un checksum SHA-256. Applicala per cambiare ciò che il modello risponde; rimuovila per ripristinare il modello bit per bit. La patch è il registro di audit: operatori, autorità di regolamentazione e consumatori a valle possono verificare la stessa operazione in modo indipendente. Registra ciò che il modello rispondeva prima e dopo; da sola non dimostra che il modello abbia dimenticato.
Sotto: un'illustrazione del formato — i campi che una patch DELETE Gate-3 contiene e il checksum che la rende verificabile. È un esempio della forma di una ricevuta, non una misurazione che stiamo pubblicando qui.
{
"name": "gdpr-art17-paris-capital",
"version": 1,
"base_model": "google/gemma-4-E2B-it",
"created_at": "2026-04-22T22:34:00Z",
"operations": [{
"op": "delete",
"entity": "Paris",
"relation": "capital",
"target": "서울",
"weight": -1.0,
"layer": 27,
"feature": 11179
}]
}Diventa partner di progettazione.
Cerchiamo tre partner di progettazione che utilizzino modelli a pesi aperti e prevedano richieste di cancellazione. Insieme scegliamo un fatto, o i dati di una persona, eseguiamo la rimozione e le verifiche rispetto a soglie fissate in anticipo e condividiamo la ricevuta firmata prima e dopo. È ricerca, non un servizio: il metodo è ancora in fase di convalida e vedrai ogni risultato, compresi i fallimenti.
Three limits worth stating up front. Weight-level editing requires an open-weight served model — GPT, Claude and Gemini cannot be edited this way, only retrieved-context can. The receipt certifies what the model answered before and after and the exact patch that undoes it; it does not by itself prove the model has forgotten. On Gemma 4 E2B our own measurements show that removing an association from the index can leave the chat answer unchanged, while an output-level override changes the answer and leaves the old one a rank below — the receipt says which kind of edit you got. And the dossier is a draft for your assessment, not a declaration of conformity: that is a judgement only you can make.
Gemma
Qwen
Llama
Mistral
Microsoft
Dodici vIndex pubblicati — Sfogliali su Hugging Face
Prove che puoi verificare. Un'anteprima di ricerca su modelli a pesi aperti.