Sutra：面向向量符号架构的 Tensor-Op RNN 编译目标

Sutra 是一种类型化的纯函数式编程语言，其编译后的前向传播为 PyTorch 神经网络。编译器对整个程序——包括原始类型、控制流、字符串 I/O——进行 beta 归约，生成一个融合的张量操作图，作用于冻结的嵌入基座。旋转绑定、解绑、捆绑、多项式克莱恩三值逻辑以及尾递归循环都降低为张量操作；克莱恩联合词是拉格朗日插值多项式，在 {-1, 0, +1} 真值网格上完全精确。验证方式为：一种事实被两种方式测试。（1）同一程序在四个冻结嵌入上运行，涵盖三个文本编码器（nomic-embed-text、all-minilm、mxbai-embed-large）和一个蛋白质语言模型（ESM-2），并在每个基座上以宽度 k=8 解码捆绑，准确率为 100%，而经典的哈达玛积在 mxbai-embed-large 上已坍缩至 2.5%，在 all-minilm 上为 7.5%。（2）PyTorch autograd 通过实际编译的图：一个用 .su 编写的模糊规则分类器，从随机初始化（18.7 +/- 9.5%；机会率 = 20%，五分类）训练到 100.0 +/- 0.0%（三个随机种子），通过对生成的图进行反向传播，符号源代码保持不变。此外，一个加权变体还训练一个标量余弦增益并将其写回 .su 源码作为数值文字；重新编译可将训练得到的行为复制到约 2e-7 的每个逻辑输出误差，因此训练得到的模型本身即为可理解、可重新编译的代码。该同一制品因此既是逻辑程序也是可训练神经网络。