NucleoidAI/Nucleoid

解決的問題

大型語言模型（LLM）經常因自然語言的非結構化特性而面臨幻覺與推理不一致的問題。Nucleoid 透過提供一種結構化、基於邏輯的語言，讓 LLM 能夠基於明確的實體與關係進行推理，而非依賴隱含的模式，從而實現更可靠、近乎決定性的結果。

工作原理

Nucleoid 是一種神經符號 AI 系統，結合了基於 Rust 的宣告式執行環境與微調過的 LLM。它使用最少的標記化語法來表示邏輯，並採用宣告式執行模型，將賦值視為持久關係而非一次性指令。這創造了一個可執行的知識圖譜（即「世界模型」），其中值的變更會自動傳播至所有衍生事實，確保狀態永不過時或與自身規則矛盾。

適用對象

需要嚴格邏輯一致性、可解釋性決策能力，並能整合神經網絡的資料驅動學習與規則基礎的符號推理的複雜 AI 系統開發者。

核心亮點

• 近乎決定性推理：透過結構化邏輯減少幻覺。
• 可執行知識圖譜：維護一個即時世界模型，規則在所有實例中自動強制執行。
• 高效 Token 語法：專為 LLM 設計，最大限度減少邏輯表示時的 Token 使用。
• 自動狀態傳播：無需手動狀態管理，確保衍生值始終最新。