SEMA는 언어 이해와 추론이 다음 토큰 예측이 아닌 명시적 의미 구조에서 발생할 수 있는지 조사하는 실험용 AI 아키텍처입니다. 이는 콘텐츠 주소 가능 메모리 위에서 벡터 기호 구조(VSA/HDC)를 활용하는 비모수적 인스턴스 기반 추론 시스템으로 작동합니다.
- 빌드 단계부터 다국어 지원을 내장한 CPU 중심 설계.
- 불투명한 임베딩 대신 투명한 내부 표현 사용.
- 지식을 신경 가중치에만 저장하는 대신 명시적 관계 메모리 구현.
- VSA/HDC를 통해 조합 가능한 의미 표현 활용.
- 자기회귀 생성 대신 그래프 기반 추론 사용.
이 프로젝트는 연구자가 아키텍처를 연구, 재현 및 도전할 수 있도록 소스를 공개하며 독립적인 연구의 연속성을 보호합니다.