An Explicit World Model Based on Data-First Ontology: DaoQL Multimodal Storage Validation and Counterfactual Reasoning Evaluation

Resumo Técnico: Um Modelo de Mundo Explícito Baseado em Ontologia de Dados-Primeiro

1. Declaração do Problema

O artigo identifica quatro riscos estruturais inerentes aos Grandes Modelos de Linguagem (LLMs) quando eles codificam "modelos de mundo" implicitamente dentro de pesos neurais: alucinação, conhecimento congelado (altos custos de atualização), baixa explicabilidade e baixa modificabilidade (interferência catastrófica). Os autores argumentam que essas limitações decorrem de uma lacuna operacional fundamental: modelos implícitos carecem de leitura atômica por ID e semântica de atualização local. Embora os frameworks de Geração Aumentada por Recuperação (RAG) e agentes existentes (ex: LangChain, GraphRAG) separem lógica de armazenamento, eles sofrem com compressão de janela de tokens, overhead de sincronização entre processos e trilhas de auditoria fragmentadas, falhando em fornecer semânticas atômicas unificadas para leitura, patch ($\delta$), avaliação (Eval) e rastreamento (Trace).

2. Metodologia: Ontologia de Dados-Primeiro e DaoQL

O artigo propõe uma ontologia de dados-primeiro onde o LLM atua puramente como um motor de raciocínio e linguagem natural, enquanto o conhecimento determinístico é delegado a um banco de dados multimodal explícito chamado DaoQL.

• Estrutura Formal: Os autores definem um modelo de mundo explícito $W$ composto por seis primitivas:
  1. Being (Ser): A unidade básica de entidade (baseada em UUID).
  2. Def: Define campos, restrições e relacionamentos.
  3. Type (Tipo): Classifica os Beings.
  4. Relation (Relação): Arestas direcionadas conectando Beings.
  5. Contract (Contrato): Scripts Rhai limitados por combustível (fuel-limited) incorporados no caminho de escrita para validação.
  6. Version (Versão): Registros de histórico vinculados por hash que suportam MVCC e replay de auditoria.
• Provas Teóricas:
  • Bootstrapping Finito: Prova que a cadeia de definição de esquema não pode recursar infinitamente (Proposição 1).
  • Terminação Forte: Prova que os Contratos param dentro de um limite de combustível fixo ($F_{max}$) ao proibir I/O externo e recursão de escrita (Proposição 2).
  • Atualização Local: Demonstra que aplicar um patch em um ID específico no modelo explícito não altera o estado de outras entidades (Proposição 3), uma propriedade ausente em modelos implícitos.
  • Decomponibilidade Contrafactual: O Teorema 1 estabelece que, sob independência de regras e avaliação determinística, modelos explícitos satisfazem uma condição suficiente para o raciocínio contrafactual composível, enquanto modelos implícitos carecem dessa garantia arquitetural (Observação 3).
• Arquitetura do Sistema: O DaoQL integra motores de grafo, coluna, vetor e texto completo em um único processo para eliminar a latência de rede/IPC. Principais características de implementação incluem:
  • Leituras Diretas via mmap: Ignorando o cache de página para nós de grafo para reduzir a latência de travessia.
  • CSR Adjacency: Arquivos Compressed Sparse Row por RelationType para travessia eficiente filtrada por tipo.
  • Unified BeingId: Um sistema de identificador único permitindo consultas híbridas de custo zero entre motores.
  • WAL/MVCC: Garantindo atomicidade e consistência de crash.

3. Principais Contribuições

1. Teoria: Definição formal de um modelo de mundo explícito e provas sobre bootstrapping de esquema, terminação de contrato e a necessidade estrutural de modelos explícitos para contrafactuais composíveis.
2. Sistema: Implementação da camada de armazenamento multimodal do DaoQL, apresentando motores unificados, mapeamento de memória direta e execução de consulta híbrida entre motores.
3. Avaliação: Uma estratégia de avaliação de três níveis compreendendo microbenchmarks, comparações com concorrentes e um experimento contrafactual de larga escala.

4. Resultados Experimentais

O artigo apresenta resultados de uma configuração embarcada na mesma máquina (Apple M-series e M4 Max), observando explicitamente que as comparações com concorrentes cliente-servidor incluem overhead de protocolo e serialização.

• Raciocínio Contrafactual: Em um experimento de cinco domínios ($n=1250$), o DaoQL+GPT-4o alcançou 94% de decomponibilidade contrafactual composível, um aumento de 49 pontos percentuais sobre o GPT-4o sozinho (45%). O caminho explícito garantiu cadeias de raciocínio 100% rastreáveis.
• Desempenho de Armazenamento (Microbenchmarks):
  • Graph BFS: 1,20 ms (4,2–6,7× mais rápido que o Neo4j em latência end-to-end).
  • Busca HNSW: 83,1 µs (vs. 363,4 µs para o Qdrant sob mesmos parâmetros).
  • Consulta Híbrida: 105,8 µs para uma consulta Fluent combinando motores de vetor, grafo e coluna.
  • Latência de Escrita: Reduções significativas nos tempos de escrita em lote (ex: melhoria de 70% em batch append) após otimizar o caminho de escrita (P0) e remover dependências de cache de página.
• Benchmarks Padrão (Exploratórios):
  • LDBC SNB SF1: Alcançou cobertura de 34/34 consultas com zero erros. No entanto, o throughput geral foi limitado a 1,8 QPS devido a gargalos de cauda longa em consultas complexas de BI/IC (ex: tags de fórum BI9 levaram ~900s).
  • ANN-Benchmarks: Alcançou Recall@10 ≥ 99% em milhares de QPS (5.724 QPS em ef=200) após uma correção de "proteção de borda-ponte" (bridge-edge protection).
• Limitações Observadas: O sistema é atualmente mais lento que o PostgreSQL para busca de texto completo em chinês (1,27 ms vs. 32 µs) devido ao overhead do tokenizador jieba. O throughput de escrita concorrente cai significativamente (~40%) com 16 conexões, indicando a necessidade de travas particionadas (sharded locks).

5. Significância e Alegações

O artigo posiciona sua contribuição como uma alternativa estrutural provável aos modelos de mundo implícitos de LLMs, em vez de uma reivindicação de superioridade universal sobre todos os sistemas existentes.

• Garantia Arquitetural: A principal significância é a demonstração de que modelos de mundo explícitos fornecem uma condição suficiente para a decomponibilidade contrafactual composível, uma propriedade que os autores argumentam ser arquiteturalmente impossível para modelos puramente implícitos.
• Potencial de Engenharia: Os resultados validam a viabilidade de um motor de armazenamento multimodal de processo único que reduz a latência de consulta híbrida ao eliminar o overhead entre sistemas.
• Escopo das Alegações: Os autores distinguem explicitamente entre teoria provável (terminação, atualizações locais, condições contrafactuais) e evidência empírica preliminar (números específicos de latência, cobertura LDBC). Eles afirmam que o runtime DaoQL-Agent, os nós de grafo KVCache e as atualizações quentes de especialistas permanecem componentes em estágio de design ou trabalhos futuros.
• Posicionamento: O DaoQL é apresentado como uma tecnologia complementar às plataformas de ontologia industrial (como o Palantir Foundry), visando ambientes de soberania de dados, escala média ou borda (edge), onde a integração estreita de semânticas de Eval/Trace e contratos de caminho de escrita é priorizada sobre a integração federada de sistemas legados.

O artigo conclui que, embora o sistema ainda não seja um substituto pronto para produção para bancos de dados distribuídos de escala empresarial, ele valida com sucesso a premissa teórica de que separar o conhecimento determinístico dos pesos neurais permite um raciocência de IA auditável, modificável e contrafactualmente robusta.