Alternative à NVIDIA Auto-Ontology

L'alternative à NVIDIA Auto-Ontology avec vérification symbolique

SynaLemma compile le SQL à partir de règles vérifiées. La même question donne toujours la même requête, et un vérificateur symbolique, pas un modèle, contrôle le travail.

En un coup d'œil

SynaLemma face à NVIDIA Auto-Ontology en un coup d'œil

SynaLemma face à NVIDIA Auto-Ontology en un coup d'œil
CritèreSynaLemmaNVIDIA Auto-Ontology
Nature de la couche Un programme Synalog : des règles compilées en SQLUn glossaire de termes, de correspondances de colonnes et d'extraits SQL dans Postgres et pgvector
Qui écrit le SQL Le moteur le compile à partir des règlesUn modèle de langage, à chaque question
Même question, même requête Oui, la compilation est déterministePas garanti : le SQL est généré à chaque question
Ce qui vérifie le travail Un vérificateur symbolique prouve que chaque règle est bien formée, sûre et qu'elle termineDes appels au modèle contrôlent et réparent le SQL ; des personnes certifient les termes
Contrôles sur les données Des assertions en logique du premier ordre, avec contre-exemplesAucun documenté
Hiérarchies et chaînes à plusieurs étapes Récursion native, dont la terminaison est vérifiéePas de moteur de règles : le SQL que le modèle écrit, quel qu'il soit
Modèle de langage Un petit modèle ouvert, sur un harnais que nous avons optimiséLes modèles Nemotron, par l'API hébergée de NVIDIA par défaut

Pourquoi chercher une alternative à Auto-Ontology

  • Un modèle écrit le SQL de chaque question. Le glossaire le guide ; la requête change à chaque fois (README).

  • Des appels au modèle contrôlent le SQL. Contrôles et corrections sont faits par des modèles de langage, qui peuvent se tromper de la même façon.

  • Pas de moteur de règles. Ni récursion, ni raisonnement dans le temps, ni assertions sur les données.

  • Un glossaire, pas un programme. Des termes, des correspondances de colonnes et des extraits SQL stockés dans Postgres et pgvector.

SynaLemma face à Auto-Ontology : principales différences

1. Un SQL déterministe

Les règles compilent en SQL. La même question donne toujours la même requête, et chaque réponse cite sa règle.

2. Une vérification symbolique

Un vérificateur prouve que chaque règle est bien formée, sûre et qu'elle termine. Aucun modèle ne contrôle un autre modèle.

3. Des assertions sur les données

Des énoncés du premier ordre sont vérifiés sur vos tables, avec des contre-exemples en cas d'échec.

4. Un langage plus riche

Les règles s'appuient sur d'autres règles, avec récursion, négation et raisonnement dans le temps.

5. Souverain par construction, pas par contrat

SynaLemma tourne sur site : données, règles et modèle restent sur votre infrastructure. Le moteur compile le SQL, un petit modèle ouvert suffit donc.

Exemple : une assertion qui détecte un client manquant

Le chiffre d'affaires par client, avec trois assertions. Le client 12 manque dans la table des clients ; le moteur nomme la ligne.

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

Sources

Vérifié dans la documentation publique de chaque produit à la date de revue. Pour signaler une erreur : contact@synalinks.com.

FAQ

Alternative à Auto-Ontology : FAQ

Quelle est la différence entre SynaLemma et NVIDIA Auto-Ontology ?

Dans Auto-Ontology, un modèle écrit le SQL de chaque question. SynaLemma compile le SQL à partir de règles vérifiées, contrôlées par un vérificateur symbolique.

Contrôler le SQL avec un second modèle suffit-il ?

Non. Deux systèmes probabilistes peuvent se tromper de la même façon. Un vérificateur symbolique donne des propriétés toujours vraies.

SynaLemma a-t-il besoin de modèles de pointe ?

Non. Un petit modèle ouvert sur votre propre matériel suffit.

Sur vos propres données

Venez avec une question à laquelle vos outils actuels ne savent pas répondre.

En 30 minutes, nous vous montrons SynaLemma qui y répond, avec la règle derrière le chiffre et les vérifications qu'elle a passées.