Bewijs van wissing, met een bonnetje.
De meeste „AI-compliance" stopt bij toegangslogs en prompt-niveau guardrails. Divinci gaat ín het model. Elke entiteitsassociatie is een doorzoekbare feature; elke wijziging is een draagbare, controleerbare patch — en de vIndex legt vast wat het model ervoor en erna antwoordde, in een vorm die een derde kan controleren.
Onderzoeksvoorvertoning. Het model-wissingsproduct van Divinci is in actief onderzoek en ontwikkeling en is niet algemeen beschikbaar. Niets op deze pagina beweert dat het u laat voldoen aan de AVG, de EU AI Act of welke andere wet dan ook. We publiceren elk testresultaat, ook de mislukkingen.
Kan een AI vergeten? Een eerlijke stand van zaken
Drie minuten over waar ons onderzoek naar het verwijderen van feiten uit open-weights-modellen staat: wat werkt, wat een bewerking kost, wat mislukte en wat we hierna proberen.

Het volledige voorbeeld: Parijs uit een taalmodel wissen
What the regulation requires
The same artifact answers transparency, oversight, documentation, and erasure requirements.
| Regulation | Requirement | Competitors | vIndex |
|---|---|---|---|
| „Voldoende transparantie zodat gebruikers de uitvoer kunnen interpreteren" | Model cards, prozaïsche systeembeschrijvingen | Bijlage IV-dossier gegenereerd uit release-records en het modelbewerkingslogboek — elk hiaat wordt benoemd | |
| Operators moeten zinvol kunnen ingrijpen | Prompt-niveau guardrails (te omzeilen via jailbreak) | DELETE-patches op gewichtsniveau op het feature, niet op de prompt — in test; we meten en publiceren de bijwerkingen op andere antwoorden | |
| „Algemene logica van het AI-systeem" | Architectuurdiagrammen + samenvattingen van trainingsdata | Bit-exacte mechanistische documentatie: het geprojecteerde vocabulaire van elk feature, de structurele metriek van elke laag (C1–C5) | |
| Verifieerbare verwijdering van persoonsgegevens | Fine-tuning om te „vergeten" — niet verifieerbaar; data kan adversarieel weer opduiken | In onderzoek: verwijdering door de fine-tune zonder de persoon opnieuw op te bouwen, met een ondertekend voor-en-na-bonnetje — nog niet gevalideerd | |
| PII uit dataproducten verwijderen | Tokenfiltering bij I/O (lekken mogelijk) | Deploymenttelemetrie als bewijsgrondslag — Divinci is niet SOC 2-gecertificeerd | |
| Restrisico kwantificeren en beheren | Risicobeoordelingen op gevoel | vIndex als administratiesysteem — certificering nog niet behaald |
Hoe een „bonnetje" er werkelijk uitziet
Een vIndex-patch is een draagbaar JSON-bestand met een SHA-256-controlesom. Pas hem toe om te veranderen wat het model antwoordt; verwijder hem om het model bit voor bit te herstellen. De patch is het auditlog — operators, toezichthouders en downstream-gebruikers kunnen dezelfde bewerking onafhankelijk verifiëren. Hij legt vast wat het model vóór en na antwoordde; op zichzelf bewijst hij niet dat het model iets vergeten is.
Hieronder: een illustratie van het formaat — de velden die een Gate-3 DELETE-patch bevat, en de checksum die hem verifieerbaar maakt. Het is een voorbeeld van de vorm van een bonnetje, geen meting die wij hier publiceren.
{
"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
}]
}Word designpartner.
We zoeken drie designpartners die open-weight-modellen draaien en wissingsverzoeken verwachten. Samen kiezen we één feit, of de gegevens van één persoon, voeren we de verwijdering en de controles uit tegen vooraf vastgelegde drempels en delen we het ondertekende voor-en-na-bonnetje. Dit is onderzoek, geen dienst: de methode wordt nog gevalideerd en u ziet elk resultaat, ook de mislukkingen.
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
Twaalf gepubliceerde vIndexes — Bekijk ze op Hugging Face
Bewijs dat u kunt controleren. Een onderzoeksvoorvertoning op open-weight-modellen.