VerisyntaxEvidence-oriented language
Under udviklingVerisyntax er en lokal prototype. Funktioner, syntaks og dokumentation kan ændre sig.

Verisyntax — brugermanual (prototype 0.1)

Kontinuerte Bayes-modeller

Det første kontinuerte modelsnit bruger engelske distributionstermer:

p ~ beta(alpha = 2, beta = 2)
successes ~ binomial(trials = 20, probability = p)

observe successes = 14

ask p
  interval 0.89 hdi

Kør modellen reproducerbart:

<compiler>/verisyntax infer <example-project> \
  --seed 42 --chains 4 --warmup 1000 --samples 2000 --proposal-scale 0.8

Første version understøtter:

  • normal(mean = <number-or-variable>, sd = <positive number>);
  • uniform(min = <number>, max = <number>) med min < max;
  • beta(alpha = <positive number>, beta = <positive number>);
  • binomial(trials = <positive integer>, probability = <number-or-variable>), hvor binomialvariablen skal observeres;
  • numeriske observationer som observe successes = 14;
  • kontinuerte queries med interval <mass> hdi; uden interval-linjen bruges 0,89.

En binomial probability-reference skal være en beta eller en uniform, hvis støtte ligger helt inden for [0,1]. En binomial query er diskret og afvises derfor som kontinuerlig HDI-query. Dependency-cycles, ukendte variable, observationer uden for støtte og ugyldige parametre afvises af C++-typekontrollen.

Runtime bruger deterministic-seed, multi-chain random-walk Metropolis. JSON-resultatet er markeret exact: false og viser posterior mean/SD, HDI, effective sample size, split R-hat, samlet acceptance rate, seed og sampleantal. Samme program, seed og indstillinger giver byte-identisk resultat med samme build. Det er stadig approksimativ inferens: kontrollér især split R-hat, ESS, acceptance og advarsler før resultatet bruges. Et godt diagnostisk tal er ikke i sig selv bevis for, at modellen er korrekt.

Sikkerhedsgrænserne er 2–16 chains, højst 100.000 warmup-samples og 100–100.000 retained samples pr. chain, højst én million samlede samples og proposal scale 0,01–5. Alle samples, HDI, ESS og split R-hat beregnes af C++-programmet; ingen LLM deltager i den numeriske inferens.

En færdig kørsel kan gemmes eksplicit i et allerede initialiseret metadata-schema:

<compiler>/verisyntax infer model.vsx --seed 42 --store local
<compiler>/verisyntax inference-runs list model.vsx local --limit 20

Audit-rækken gemmer IR-hash, metode, seed, samplerindstillinger, diagnostics, canonical result og start/sluttid atomisk. --store er aldrig implicit og gælder i første version kun kontinuerte kørsler.