0.5M 参数胜过 70B LLM — 不是优化,是范式转换。
Verix 是一个不依赖大语言模型(LLM)的多锚外部验证系统。它用多个极小的专用 Agent,每个配备独立的外部验证源(物理模拟器、类型检查器、编译器、知识图谱),在各自的领域内实现比 LLM 更高、更可验证的准确率。
智能的质量不取决于模型的参数规模,而取决于外部验证锚的数量和多样性。
- 不是训练更大的模型 — 是为模型提供更多样的外部现实检验
- 不是"相信 AI" — 是"验证 AI 的每一个输出"
GWT 注意力调度器
┌───────────────┼───────────────┐
▼ ▼ ▼
Agent α Agent β Agent δ/ε
物理推理 形式推理 编程/事实
GNN+MuJoCo Lean 4 编译器+KB
99.93% 100% 100% / PoC
| 指标 | LLM (70B) | Verix |
|---|---|---|
| 物理推理准确率 | 72% | 99.93% |
| 形式验证通过率 | N/A | 100% |
| 编程任务通过率 | ~100% | 100% (77 任务) |
| 推理延迟 | ~500ms | 3.3ms |
| 外部验证 | 无 | 三重持续验证 |
| 成本 | GPU 推理 | ¥0 (四个 Agent) |
pip install -r requirements.txt
# 运行 Agent α (物理推理)
python agents/alpha/agent_alpha.py --demo
# 运行 Agent δ (编程验证)
python agents/delta/agent_delta.py --eval
# 运行 SAGE 跨域类比
python sage/sage_v2.py
# 启动终端仪表盘
python dashboard/tui_dashboard.py| Agent | 域 | 外部验证 | 技术 |
|---|---|---|---|
| α | 物理推理 | MuJoCo 物理模拟器 | GNN 0.5M |
| β | 形式推理 | Lean 4 类型检查器 | 符号搜索 + BFS |
| δ | 编程推理 | 编译器 + 测试框架 | 模板合成 |
| ε | 事实核查 | 本地知识图谱 | SPARQL + 模式匹配 |
| γ | 社会推理 | 人类判断众包 | MLP |
AGPL v3 — 允许商用,但云服务部署必须公开修改。
技术白皮书见 docs/WHITEPAPER.md
架构设计见 docs/ARCHITECTURE.md
基准数据见 docs/BENCHMARKS.md