NVIDIA Auto-Ontology-alternatief

Het NVIDIA Auto-Ontology-alternatief met symbolische verificatie

Auto-Ontology controleert de SQL van een model met nog meer modelaanroepen. In SynaLemma bewijst een symbolische verifier elke regel welgevormd, veilig en eindigend voordat er SQL draait.

SynaLemma

SynaLemma vs Auto-Ontology: de belangrijkste verschillen

  1. Elke regel bewezen voordat hij draait

    In Auto-Ontology controleren en herstellen taalmodellen de SQL die een ander model schreef. Een symbolische verifier bewijst dat elke regel welgevormd en veilig is en eindigt, en weigert een ongeldige regel met de reden, voordat er SQL draait. Eerste-orde-asserties tonen de rijen die ze schenden.

  2. Zelfde regel, zelfde SQL

    In Auto-Ontology schrijft een model de SQL voor elke vraag. In SynaLemma schrijft de agent nooit SQL: de engine compileert die uit de regel, dus een regel geeft altijd dezelfde SQL. Elk cijfer verwijst naar zijn regel, die uw team kan lezen, corrigeren of vergrendelen.

  3. De engine redeneert, niet het model

    Auto-Ontology documenteert geen regelengine: joins en totalen zijn welke SQL het model ook schrijft. In SynaLemma zet het model de vraag om in een regel, en de Synalog-engine doet elke join, recursie en elk totaal, tot een opgegeven diepte, met geverifieerde beëindiging, gecompileerd naar SQL.

  4. Eén definitie per term

    Elke bedrijfsterm wordt één keer gedefinieerd, als concept of regel op uw tabellen, en iedereen, mens of agent, gebruikt die definitie. Definities bouwen op elkaar voort in plaats van herhaald te worden.

  5. Elke toegang afgebakend, elke wijziging vastgelegd

    De agent kan de layer niet omzeilen: hij schrijft geen SQL, ruwe SQL wordt geweigerd voordat hij draait, en hij handelt alleen met de rechten van wie de vraag stelt. Elke wijziging aan een definitie is een git-commit met de auteur, controleerbaar en terug te draaien.

  6. Soeverein door ontwerp, niet door contract

    Data, regels en model blijven op uw infrastructuur. De engine compileert de SQL, dus een klein open model volstaat, zonder kosten per token. De Synalog-engine is open source, onder Apache-2.0.

Synalog

Voorbeeld: een assertie die een ontbrekende klant opvangt

Omzet per klant, met drie asserties. Klant 12 ontbreekt in de klantentabel; de engine noemt de rij.

shop.l
Order(order_id:, customer_id:, amount:, status:) :- orders(order_id:, customer_id:, amount:, status:);
Customer(customer_id:, country:) :- customers(customer_id:, country:);

@Assert(Revenue,
      one_row_per_customer: "∀ c r s, Revenue c r → Revenue c s → r = s",
      known_customer:       "∀ c r, Revenue c r → ∃ k, Customer c k",
      positive:             "∀ c, Revenue c > 0");
Revenue(customer_id:, revenue? += amount) distinct :-
  Order(customer_id:, amount:, status: "delivered");
$ synalog shop.l verify
✓ Revenue.one_row_per_customer holds ✗ Revenue.known_customer is violated: ∀ c r, Revenue c r → ∃ k, Customer c k 1 counterexample: +----+----+ | c | r | +----+----+ | 12 | 20 | +----+----+ 1 row ✓ Revenue.positive holds
In één oogopslag

SynaLemma vs NVIDIA Auto-Ontology in één oogopslag

SynaLemma vs NVIDIA Auto-Ontology in één oogopslag
CriteriumSynaLemmaNVIDIA Auto-Ontology
Semantisch: één definitie per term Definities bouwen op elkaar voort: elke bedrijfsterm één keer gedefinieerd, als regel op uw tabellen, hergebruikt door iedereen, mens of agent Termen, SQL-attributen en relaties opgesteld door een model, gecertificeerd door mensen
Redeneren: wie berekent joins, recursie, totalen De engine, niet het model: Synalog berekent elke join en recursie, tot een opgegeven diepte, gecompileerd naar SQL Een model schrijft SQL op basis van opgehaalde termen; geen regelengine gedocumenteerd
Geverifieerd: wat er gecontroleerd wordt voordat een regel draait Elke regel bewezen welgevormd, veilig en eindigend; eerste-orde-asserties tonen de rijen die ze schenden Modelaanroepen controleren filterwaarden en de query, en herstellen de SQL bij een fout
Deterministisch: zelfde regel, zelfde SQL Nooit per vraag gegenereerd: SQL door de engine gecompileerd uit de regel; definities hergebruikt en vergrendelbaar SQL per vraag door een model geschreven; gecertificeerde SQL-attributen hergebruikt
Beheerd: controle op toegang en wijzigingen De agent kan de layer niet omzeilen: geen SQL geschreven, ruwe SQL geweigerd, alleen de rol van wie vraagt; elke wijziging een git-commit Aanmelding via Better Auth en RBAC; MCP-tools draaien met de rechten van elke gebruiker
Taalmodel Het model dat u kiest: een klein open model volstaat, zonder kosten per token Nemotron-modellen, standaard via de gehoste API van NVIDIA, of elk OpenAI-compatibel endpoint
Implementatie On-premises, op uw infrastructuur Zelf gehost: een Helm-chart op Kubernetes, of Docker Compose
Definities geschreven in Synalog, een open-source logische taal met een compiler Termen, kolomkoppelingen en SQL-expressies, opgeslagen in Postgres en pgvector
Databases PostgreSQL, BigQuery, Databricks, Trino, Presto, DuckDB, SQLite Tien engines, waaronder PostgreSQL, MySQL, Databricks, Snowflake, Trino en DuckDB
NVIDIA Auto-Ontology

Waarom teams een Auto-Ontology-alternatief zoeken

  • Een model schrijft SQL voor elke vraag

    De woordenlijst stuurt het; de query kan telkens veranderen (README).

  • Modelaanroepen controleren de SQL

    Controles en herstellingen gebeuren door taalmodellen, dus beide kunnen zich op dezelfde manier vergissen.

  • Geen regelengine

    Er is er geen gedocumenteerd: geen recursie, geen redeneren over tijd, geen asserties op de data.

  • Een woordenlijst, geen programma

    Termen, kolomkoppelingen en SQL-fragmenten, opgeslagen in Postgres en pgvector.

Veelgestelde vragen

Auto-Ontology-alternatief: veelgestelde vragen

Wat is het verschil tussen SynaLemma en NVIDIA Auto-Ontology?

In Auto-Ontology schrijft een model SQL voor elke vraag. SynaLemma compileert SQL uit geverifieerde regels, gecontroleerd door een symbolische verifier.

Volstaat het om SQL met een tweede model te controleren?

Nee. Twee probabilistische systemen kunnen zich op dezelfde manier vergissen. Een symbolische verifier bewijst dat elke regel welgevormd en veilig is en eindigt, wat het model ook schreef.

Heeft SynaLemma frontiermodellen nodig?

Nee. Een klein open model op uw eigen hardware volstaat.

Zie het op uw data

Neem een vraag mee die uw huidige stack niet kan beantwoorden.

In 30 minuten laten wij zien hoe SynaLemma die beantwoordt, met de regel achter het getal en de controles die het doorstond.