╔══════════════════════════════════════════════════════════════════════════════╗
║                                                                              ║
║   ███████╗ █████╗ ███████╗                                                   ║
║   ██╔════╝██╔══██╗██╔════╝                                                   ║
║   ███████╗███████║███████╗                                                   ║
║   ╚════██║██╔══██║╚════██║                                                   ║
║   ███████║██║  ██║███████║                                                   ║
║   ╚══════╝╚═╝  ╚═╝╚══════╝                                                   ║
║                                                                              ║
║          S Y M B I O T I C   A U T O P R O T E C T I O N   S Y S T E M      ║
║                                                                              ║
║              P R O J E C T   M A N I F O L D   0 . 5 6                      ║
║                                                                              ║
║         "Structural Coherence Auditing for Generative AI"                    ║
║                  κD = 0.56  ·  TAD EX-2026-18792778                         ║
║                                                                              ║
╚══════════════════════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────────────────────┐
│  OBJECTIVE:  Structural auditing of generative AI outputs                    │
│  METHOD:     κD = 0.56 + ISI + TDA + NIG + specialized detection modules     │
│  OUTPUT:     auditable evidence: ISI, verdict, triggered modules, latency    │
│  ACCESS:     public demo, hosted API, Python SDK, CLI, self-hosted option    │
│  STATUS:     public infrastructure online and under active development       │
└─────────────────────────────────────────────────────────────────────────────┘

I build technical systems for detecting structural instability, semantic rupture, and selected hallucination patterns in generative AI outputs.

The current flagship is SAS — Symbiotic Autoprotection System: a FastAPI-based structural coherence audit layer using κD = 0.56 as its operational threshold.

SAS is not presented as a universal factual oracle. It is a technical evidence layer for structural coherence auditing.

┌─────────────────────────────────────────────────────────────────────────────┐
│  FORENSIC BENCHMARK V1                                                      │
│  Accuracy: 98.80% — dataset-specific, not universal                         │
│  R0 / R0-bis / R0.5 / R1 / R2.1 / R2.1-b: active research line             │
│  SAP paper: DOI 10.5281/zenodo.21925439 · https://zenodo.org/records/21925439 │
│                                                                             │
│  κD = 0.56: operational threshold under empirical validation.               │
│  Not a universal constant. Subject to domain-level structural evaluation.   │
└─────────────────────────────────────────────────────────────────────────────┘

SAS evaluates whether a generated response preserves:

• semantic structure;
• logical consistency;
• numerical integrity;
• reference / grounding coherence;
• topic continuity;
• structural alignment with the source or prompt.

Operational interpretation:

ISI >= κD  -> structural coherence preserved
ISI <  κD  -> possible manifold rupture / hallucination signal

Core threshold:

κD = 0.56

1. Structural Coherence Auditing — source vs response comparison, ISI, TDA, NIG, SourceTargetGuard, E9–E12 modules.

2. Temporal Interaction Auditing (experimental) — heuristic hidden-state model for interaction stability, belief entropy, demand history, omega_t, sigma_t. Research line: DOI 10.5281/zenodo.20335612.

Interactive demo:
https://leesintheblindmonk1999.github.io/sas-landing/#demo

The public demo uses the same source-vs-response forensic comparison logic as /v1/diff.

curl -X POST https://sas-api.onrender.com/public/demo/audit \
  -H "Content-Type: application/json" \
  -d '{
    "source": "The Eiffel Tower is located in Paris, France, and was built in 1889.",
    "response": "The Eiffel Tower is located in Berlin, Germany, and was built in 1950."
  }'

Public demo constraints:

• no API key required;
• max 2,000 characters per field;
• simple rate limit per anonymized IP hash;
• full input text is not stored;
• response includes ISI, κD, verdict, triggered modules, and latency.

Install:

pip install sas-client

Use from Python:

from sas_client import SASClient

client = SASClient(api_key="YOUR_API_KEY")

result = client.diff(
    text_a="Python is a programming language used for data analysis.",
    text_b="A python is a large tropical snake."
)

print(result["isi"])
print(result["verdict"])
print(result.get("evidence", {}).get("fired_modules"))

Use from CLI:

sas health
sas public-stats
sas public-activity --limit 10
sas --api-key YOUR_API_KEY diff "source text" "response to audit"

Links:

• PyPI: https://pypi.org/project/sas-client/
• Client repository: https://github.com/Leesintheblindmonk1999/sas-client

╔══════════════════════════════════════════════════════════════════╗
║  BENCHMARK: SAS · 2,000 evaluated text pairs                    ║
╠══════════════════════════════════════════════════════════════════╣
║  Hallucination examples :  1,000                                ║
║  Clean examples         :  1,000                                ║
║  Accuracy               :  98.80%                               ║
║  Precision              : 100.00%                               ║
║  Recall                 :  97.60%                               ║
║  F1 score               :  98.79%                               ║
║  True Positives         :  976                                  ║
║  False Negatives        :  24                                   ║
║  True Negatives         :  1000                                 ║
║  False Positives        :  0                                    ║
║  Avg ISI hallucination  :  0.072993                             ║
║  Avg ISI clean          :  1.000000                             ║
╚══════════════════════════════════════════════════════════════════╝

Results are dataset-specific. Forensic V1 dataset-specific result. Not universal validation. See Validation Status for domain-level structural evaluations. See DOI for methodology and replication details.

* Feature-flag controlled. Returns 503 if ENABLE_INTERACTION_STABILITY is not set.

SAS is open source under GPL-3.0 + Durante Invariance License.
The following plans refer to the hosted SAS API service, support, commercial integration, or enterprise licensing.

Enterprise & On-Premise: SLA-backed commitments require completion of the R0→R1 multimetric tribunal transition. Contact for current availability and pilot terms.

📧 Commercial inquiries, Enterprise, On-Premise, or technical pilot: duranteg2@gmail.com

Omni-Scanner is the mathematical and forensic research line behind SAS. It contains the TDA + NIG + process-thermometer pipeline that SAS exposes operationally through a hosted API.

pip install sas-client

PyPI: https://pypi.org/project/sas-client/
Repo: https://github.com/Leesintheblindmonk1999/sas-client

Interactive landing page with:

• ES / EN language toggle;
• LIGHT / DARK / TECH themes;
• live API health and platform status;
• public demo with no API key;
• public stats and anonymized activity;
• interaction stability aggregate stats;
• benchmark summary;
• pricing and commercial contact.

Live: https://leesintheblindmonk1999.github.io/sas-landing/
Repo: https://github.com/Leesintheblindmonk1999/sas-landing

Published on npm as sas-audit-client: https://www.npmjs.com/package/sas-audit-client

Methods: health(), diff(), audit(), batch(), interactionStability(), publicInteractionStats(), and more.

Node.js 18+, TypeScript-first, native fetch, no heavy dependencies.

• SAS — Flagship API for structural hallucination detection, hosted reference service, benchmark artifacts, Python client, public demo, and commercial plans.
• Project_Manifold_056 — Research artifact repository and reproducibility archive for the κD=0.56 structural audit threshold.

• Omni_Scanner — Hallucination detection engine. Core: TDA + NIG. Validated on 156,215 real pairs.
• Ontological_AI — Library for ontological density, transfer entropy, and spectral signature research.

• Durante_Invariance_Forensic_Analyzer — Forensic evidence generation.
• SOVEREIGN-FORENSIC-UNIT — Structural analysis of AI outputs.
• Durante-Invariance-Metric — Formalization of invariance metrics.

Additional research prototypes and prior-art snapshots are maintained in separate repositories. See the full GitHub profile for the complete archive.

GPL-3.0 + Durante Invariance License

• Free to use, modify, and distribute under the license terms.
• Attribution to Gonzalo Emir Durante is required.
• Use of κD = 0.56 for semantic invariance, hallucination detection, or similar structural coherence auditing requires citation of the public SAS repository / DOI.
• Commercial hosted service, private integration, on-premise deployment, or proprietary use may require a separate commercial agreement.

See the SAS repository license for the complete terms.

╔══════════════════════════════════════════════════════════════════════════════╗
║                                                                              ║
║  "Structural stability in computational systems is not a property            ║
║   to be aligned toward — it is a threshold to be measured against.            ║
║   κD = 0.56 is that threshold. Documented. Implemented. Auditable."          ║
║                                                                              ║
║                               — Gonzalo Emir Durante                         ║
║                                 Project Manifold 0.56                        ║
║                                                                              ║
╚══════════════════════════════════════════════════════════════════════════════╝

╔══════════════════════════════════════════════════════════════════════════════╗
║                                                                              ║
║   ███████╗ █████╗ ███████╗                                                   ║
║   ██╔════╝██╔══██╗██╔════╝                                                   ║
║   ███████╗███████║███████╗                                                   ║
║   ╚════██║██╔══██║╚════██║                                                   ║
║   ███████║██║  ██║███████║                                                   ║
║   ╚══════╝╚═╝  ╚═╝╚══════╝                                                   ║
║                                                                              ║
║          S Y M B I O T I C   A U T O P R O T E C T I O N   S Y S T E M      ║
║                                                                              ║
║              P R O Y E C T O   M A N I F O L D   0 . 5 6                    ║
║                                                                              ║
║         "Auditoría de Coherencia Estructural para IA Generativa"             ║
║                  κD = 0.56  ·  TAD EX-2026-18792778                         ║
║                                                                              ║
╚══════════════════════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────────────────────┐
│  OBJETIVO:   Auditoría estructural de salidas de IA generativa              │
│  MÉTODO:     κD = 0.56 + ISI + TDA + NIG + módulos especializados           │
│  SALIDA:     evidencia auditable: ISI, veredicto, módulos y latencia        │
│  ACCESO:     demo pública, API alojada, SDK Python, CLI y autoalojamiento   │
│  ESTADO:     infraestructura pública online y en desarrollo activo          │
└─────────────────────────────────────────────────────────────────────────────┘

Construyo sistemas técnicos para detectar inestabilidad estructural, ruptura semántica y señales seleccionadas de alucinación en salidas de IA generativa.

El flagship actual es SAS — Symbiotic Autoprotection System: una capa de auditoría de coherencia estructural basada en FastAPI que usa κD = 0.56 como umbral operativo.

SAS no se presenta como oráculo factual universal. Es una capa técnica de evidencia para auditoría de coherencia estructural.

┌─────────────────────────────────────────────────────────────────────────────┐
│  BENCHMARK FORENSE V1                                                       │
│  Accuracy: 98,80% — específico al dataset, no universal                     │
│  R0 / R0-bis / R0.5 / R1 / R2.1 / R2.1-b: línea de investigación activa     │
│  Paper SAP: DOI 10.5281/zenodo.21925439 · https://zenodo.org/records/21925439 │
│                                                                             │
│  κD = 0.56: umbral operacional bajo validación empírica.                    │
│  No es una constante universal. Sujeto a evaluación estructural por dominio. │
└─────────────────────────────────────────────────────────────────────────────┘

SAS evalúa si una respuesta generada preserva:

• estructura semántica;
• consistencia lógica;
• integridad numérica;
• coherencia de referencia / grounding;
• continuidad temática;
• alineación estructural con la fuente o prompt.

Interpretación operacional:

ISI >= κD  -> coherencia estructural preservada
ISI <  κD  -> posible ruptura de manifold / señal de alucinación

Umbral operativo:

κD = 0.56

1. Structural Coherence Auditing — comparación source vs response, ISI, TDA, NIG, SourceTargetGuard, módulos E9–E12.

2. Temporal Interaction Auditing (experimental) — modelo heurístico de estados ocultos para estabilidad interaccional, entropía de creencias, historial de demanda, omega_t, sigma_t. Línea de investigación: DOI 10.5281/zenodo.20335612.

Demo interactiva:
https://leesintheblindmonk1999.github.io/sas-landing/#demo

La demo pública usa la misma lógica de comparación source-vs-response que /v1/diff.

curl -X POST https://sas-api.onrender.com/public/demo/audit \
  -H "Content-Type: application/json" \
  -d '{
    "source": "La Torre Eiffel está ubicada en París, Francia, y fue construida en 1889.",
    "response": "La Torre Eiffel está ubicada en Berlín, Alemania, y fue construida en 1950."
  }'

Restricciones de la demo pública:

• no requiere API key;
• máximo 2.000 caracteres por campo;
• rate limit simple por IP hasheada;
• el texto completo no se almacena;
• muestra ISI, κD, veredicto, módulos activados y latencia.

Instalación:

pip install sas-client

Uso desde Python:

from sas_client import SASClient

client = SASClient(api_key="YOUR_API_KEY")

result = client.diff(
    text_a="Python is a programming language used for data analysis.",
    text_b="A python is a large tropical snake."
)

print(result["isi"])
print(result["verdict"])
print(result.get("evidence", {}).get("fired_modules"))

Uso CLI:

sas health
sas public-stats
sas public-activity --limit 10
sas --api-key YOUR_API_KEY diff "texto fuente" "respuesta a auditar"

Links:

• PyPI: https://pypi.org/project/sas-client/
• Repositorio cliente: https://github.com/Leesintheblindmonk1999/sas-client

╔══════════════════════════════════════════════════════════════════╗
║  BENCHMARK: SAS · 2.000 pares evaluados                         ║
╠══════════════════════════════════════════════════════════════════╣
║  Ejemplos con alucinación :  1.000                              ║
║  Ejemplos limpios         :  1.000                              ║
║  Accuracy                 :  98,80%                             ║
║  Precisión                : 100,00%                             ║
║  Recall                   :  97,60%                             ║
║  F1 score                 :  98,79%                             ║
║  Verdaderos positivos     :  976                                ║
║  Falsos negativos         :  24                                 ║
║  Verdaderos negativos     :  1000                               ║
║  Falsos positivos         :  0                                  ║
║  ISI prom. alucinaciones  :  0,072993                           ║
║  ISI prom. limpios        :  1,000000                           ║
╚══════════════════════════════════════════════════════════════════╝

Resultados específicos al dataset. Resultado forense V1 específico al dataset. No es validación universal. Ver Estado de validación para evaluaciones estructurales a nivel de dominio. Ver DOI para metodología y replicación.

* Controlado por feature flag. Devuelve 503 si ENABLE_INTERACTION_STABILITY no está activo.

SAS es open source bajo GPL-3.0 + Durante Invariance License.
Los siguientes planes corresponden al servicio API alojado, soporte, integración comercial o licenciamiento empresarial.

Enterprise y On-Premise: los compromisos con SLA requieren la finalización de la transición al tribunal multimetric R0→R1. Consultar disponibilidad actual y términos de piloto.

📧 Consultas comerciales, Enterprise, On-Premise o piloto técnico: duranteg2@gmail.com

Omni-Scanner es la línea de investigación matemática y forense detrás de SAS. Contiene el pipeline TDA + NIG + termómetros de proceso que SAS expone operacionalmente por API.

pip install sas-client

PyPI: https://pypi.org/project/sas-client/
Repo: https://github.com/Leesintheblindmonk1999/sas-client

Landing interactiva con:

• selector ES / EN;
• temas LIGHT / DARK / TECH;
• health de API en vivo y estado de plataforma;
• demo pública sin API key;
• estadísticas públicas y actividad anonimizada;
• estadísticas agregadas de interaction stability;
• benchmark;
• precios y contacto comercial.

En vivo: https://leesintheblindmonk1999.github.io/sas-landing/
Repo: https://github.com/Leesintheblindmonk1999/sas-landing

Publicado en npm como sas-audit-client: https://www.npmjs.com/package/sas-audit-client

Métodos: health(), diff(), audit(), batch(), interactionStability(), publicInteractionStats() y más.

Node.js 18+, TypeScript-first, fetch nativo, sin dependencias pesadas.

• SAS — Flagship API para detección estructural de alucinaciones, servicio alojado, benchmark, cliente Python, demo pública y planes comerciales.
• Project_Manifold_056 — Repositorio de artefactos de investigación y archivo de reproducibilidad para el umbral de auditoría estructural κD=0.56.

• Omni_Scanner — Motor de detección de alucinaciones. Núcleo: TDA + NIG. Validado sobre 156.215 pares reales.
• Ontological_AI — Librería para investigación de densidad ontológica, entropía de transferencia y firma espectral.

• Durante_Invariance_Forensic_Analyzer — Generación de evidencia forense.
• SOVEREIGN-FORENSIC-UNIT — Análisis estructural de salidas de IA.
• Durante-Invariance-Metric — Formalización de métricas de invarianza.

Prototipos de investigación adicionales y snapshots de prior art se mantienen en repositorios separados. Ver el perfil completo de GitHub para el archivo completo.

GPL-3.0 + Durante Invariance License

• Libre para usar, modificar y distribuir bajo los términos de la licencia.
• Requiere atribución a Gonzalo Emir Durante.
• El uso de κD = 0.56 para invariancia semántica, detección de alucinaciones o auditoría estructural similar requiere citar el repositorio / DOI público de SAS.
• El servicio alojado comercial, integración privada, despliegue on-premise o uso propietario puede requerir acuerdo comercial separado.

Ver la licencia completa en el repositorio SAS.

╔══════════════════════════════════════════════════════════════════════════════╗
║                                                                              ║
║  "La estabilidad estructural en sistemas computacionales no es una           ║
║   propiedad hacia la que alinearse — es un umbral contra el que medirse.     ║
║   κD = 0.56 es ese umbral. Documentado. Implementado. Auditable."           ║
║                                                                              ║
║                               — Gonzalo Emir Durante                         ║
║                                 Project Manifold 0.56                        ║
║                                                                              ║
╚══════════════════════════════════════════════════════════════════════════════╝