SEMA是一种实验性AI架构，旨在研究语言理解和推理是否可以从显式语义结构中涌现，而不是通过下一个token预测。它作为一种非参数化、基于实例的推理系统，利用内容寻址存储器上的向量符号架构（VSA/HDC）。

  • 以CPU为中心的设计，内置多语言支持。
  • 使用透明的内部表示，而非不透明的嵌入。
  • 实现显式关系内存，而非仅将知识存储在神经网络权重中。
  • 通过VSA/HDC采用可组合的语义表示。
  • 利用基于图的推理，而非自回归生成。

该项目源代码可用，允许研究人员研究、复现和挑战该架构，同时保护独立研究的连续性。