NucleoidAI/Nucleoid

解决的问题

大语言模型（LLM）常常因自然语言的非结构化特性而面临幻觉和推理不一致的问题。Nucleoid 通过提供一种结构化、基于逻辑的语言，使 LLM 能够基于显式实体和关系进行推理，而非依赖隐式模式，从而实现更可靠、近乎确定性的结果。

工作原理

Nucleoid 是一种神经符号 AI 系统，结合了基于 Rust 的声明式运行时与微调过的 LLM。它使用最小化的标记化语法来表示逻辑，并采用声明式执行模型，将赋值视为持久关系而非一次性指令。这创建了一个可执行的知识图谱（即“世界模型”），其中值的更改会自动传播到所有派生事实，确保状态永不过时或违背自身规则。

适用人群

需要严格逻辑一致性、可解释性决策能力，并能将神经网络的数据驱动学习与基于规则的符号推理相结合的复杂 AI 系统开发者。

核心亮点

• 近乎确定性推理：通过结构化逻辑减少幻觉。
• 可执行知识图谱：维护一个实时世界模型，规则在所有实例中自动强制执行。
• 高效 Token 语法：专为 LLM 设计，最大限度减少逻辑表示时的 Token 使用。
• 自动状态传播：无需手动状态管理，确保派生值始终最新。