摘要
本文建立了一种计算基底无关的推理架构,将“领域”作为显式的一级计算参数。该架构实现了领域范围的剪枝,将单次查询搜索空间从 O(N) 降至 O(N/K),支持符号、神经、向量及混合基底的独立执行,并生成每一步均携带评估上下文的透明推理链。文章形式化了五层架构、三种领域计算模式及可靠性条件,并通过 PHQ-9 临床推理案例验证了该计算理论的有效性。
AI 推荐理由
论文提出显式领域推理架构,核心贡献在于推理机制与计算理论。
研究机构
Deepleap.ai
Northeast Normal University
University of Otago
论文信息