01
虚构内容
回答看似合理，实则错误。将令人印象深刻的演示误认为是可依赖的决策工具。
Loxyn · 法国深度科技
组织的大脑自主可控。
您企业的全部知识，转化为一个动态图谱。每项知识都成为一个节点：来源明确、时间清晰、权属分明、经过验证。从文档到行动——绝不凭空捏造。
现状
企业级人工智能存在一个信任问题。
生成式AI工具在演示中令人印象深刻，但在实际工作中却令人失望。我们无法信赖它们做出决策——而且每次请求的成本都在不断攀升。
02
无视权限
完全缺乏谁有权查看什么信息的概念。知识混杂，机密信息相互交叉。
03
无法识别最新信息
没有时间记忆。旧版本与新版本相互矛盾，而工具本身无法判断哪个才是有效的。
核心模块
我们的基本单位是事实。而非文档。
当其他技术将文档拆分为文本片段时，Korela 专注于事实层面。大脑正是由这些节点构成的动态图谱——它不断成长、自我修正，并保持一致性。
来源
该事实的出处。
日期
该事实自何时起存在。
权限
谁可以查看该事实。
真实性状态
是否仍然为真，或已被推翻。
关联
该事实与其他内容的关联。
关注概念，而非计算。
由架构实现主权自主
您的数据 永不离开本地。
数据主权不是可勾选的选项——而是架构本身。Korela 部署在您自己的环境（或受信任的云平台）中，并可与本地运行的AI模型协同工作。您的合同、邮件和知识资产：不会发送给任何第三方，也不会用于训练其他人的模型。
您始终掌握控制权——并确保合规性。
您的数据范围
数据、AI模型、图谱——全部保留在内部。
100% 主权自主
大脑
四项功能。 同一架构。
在由原子级节点构成的动态图谱之上，Korela 实现了四种认知功能——全部源自同一架构，无需额外添加外部模块。
I
归整
将企业全部异构知识标准化为可溯源、互相关联的单一事实单元。
II
检索
使用自然语言提问，答案基于内部资料，可追溯且符合权限管理。
III
预判
自动检测记忆风险：未记录的知识、脆弱的依赖关系、被遗忘的关键期限。
IV
行动
基于已验证事实生成行动建议。AI 提出方案，人类始终负责最终确认。
功能详情及产品演示请见 korela.ai。
研究与基础
建立在科学之上。而非直觉。
我们的知识图谱并非凭空而来。每一个模块都基于经过同行评审的研究成果。以下是我们所采用的基础——以及它们为我们带来的价值。
主动分析
通过图谱的COMMUNAUTÉS（社区）进行知识总结 → 实现整体分析（风险、机遇、关键节点），而不仅仅是局部检索。
From Local to Global : a Graph RAG Approach ↗
Microsoft Research — Edge et al. · 2024
图谱结构化
将图谱划分为GARANTIES（保证）高度连通的社区——这是我们推理逻辑的核心单元。
From Louvain to Leiden : guaranteeing well-connected communities ↗
Traag, Waltman & van Eck — Nature Sci. Reports · 2019
实体重要性
识别真正重要的实体（中心性），超越简单的链接数量统计。
The PageRank Citation Ranking ↗
Brin & Page — Stanford · 1998
语义锚定
通过语义关联概念，支持100+种语言——在本地执行，保障数据主权。
BGE M3-Embedding : multilingue, multi-granularité ↗
BAAI — Chen et al. · 2024
实体解析
将同一实体的不同变体合并为UN节点（如「M. Dupont」=「Marie Dupont」）——彻底消除重复。
Extract, Define, Canonicalize (EDC) ↗
Zhang & Soh — EMNLP · 2024
这些基础是公开的——我们予以引用。而我们如何将它们组合、以主权化方式执行，并针对真实企业数据进行加固：这才是我们的护城河。具体内容在NDA下详述。
评估
我们不宣称质量。我们测量质量。
知识图谱的每一次演进都需接受测试基准的检验：一组陷阱文档，其预期图谱是预先已知的。我们借此衡量实体解析（B³）、文档间的关联以及对原始资料的保真度，并确保无退化。这是一种可复现的方法，而非空头承诺。
初步结果
在一组对抗性陷阱文档上的测试结果，基于多次独立抽样（提取过程非确定性）：
实体解析——精确率 100 % · σ 0
零过度合并：两个不同的实体绝不会被混淆。
实体解析——召回率 100 % · σ 0
同一实体的多种写法收敛至单一节点。
关系——实体间的链接 86 %
存在可接受的提升空间——我们如实测量，而非掩盖。
采用学术文献中的B³（实体解析）和F1（关系）指标。多次抽样结果方差为零（σ 0），表明可复现，而非偶然。对抗性测试集为有意缩小规模；大规模验证（1000+ 文档）正在进行中。
演示
一个具体案例。 知识图谱的实际应用。
来自某工作坊的几份文件——一份租赁合同、一份人事档案、一家供应商、一份登记册。Korela 将它们连接成一个事实图谱。此时，三件事变得显而易见。
蓝色标注：大脑检测到的脆弱点。
01
它能提前预警
租赁合同与到期日相关联——提醒将在2027年4月30日之前发出，而非当天才通知。
02
它识别出脆弱点
染色工艺仅由一人掌握。系统将其标记为知识流失风险。
03
它保障数据权利
Marie 的人事档案仅对授权人员可见——即使在查询响应中，也绝不会发生数据泄露。
示意性示例 — 数据为虚构。不涉及任何真实客户数据。
科学方法
对研究的严格要求。
我们不混淆演示与证明。我们的构建立足于研究的成果——并与研究持续合作。
涉及领域
01
面向机器人学的语义记忆
如何表示一种自主智能体可使用而无需臆造的知识？符号接地与嵌入向量，持久结构，感知-运动锚定。
02
信念修正
面对矛盾或动态变化的信息时，对知识库进行一致性的更新。在保持历史记录的前提下维护一致性。
03
规范性推理
将访问规则、合规性与治理规则原生集成至推理层——而非作为事后过滤机制。
方法论原则
- 01
在实施前提出可证伪的假设。
- 02
在任何外部演示前进行内部度量。
- 03
系统性地与学术界最新成果进行对比验证。
- 04
无 reproduce 性证据，不宣称任何能力。
领域明确列出；专有解决方案则不公开。它们仅在保密协议下进行讨论。
技术护城河
一项技术壁垒。而非一项功能。
人人都可以接入一个AI模型。但极少有人能确保回答是真实、最新且合规的——这是系统设计使然，而非侥幸。
这正是我们的核心所在：专有技术壁垒，使信任成为系统固有属性。
这些内容未在本官网上展示。需在签署保密协议后方可讨论。
- — 市场、竞争格局、收入轨迹。
- — 已申请或待申请专利、知识产权。
- — 内部架构、模型、评估方法。
- 签署NDA后应要求提供。
签署NDA后详细提供
发展轨迹
同一个原子，从文档到行动。
机器人面临的问题与组织完全相同：要采取行动，就必须知道什么是真实的、自己被允许做什么，并将符号与现实世界联系起来。这正是 Korela 擅长的领域。
第一层 · 当前
已投入生产组织的大脑。
文档 → 节点
将文档、邮件、决策转化为带有来源、时间、权限的可靠事实。
第二层 · 发展轨迹
研究中机器人的记忆。
节点 → 行动
这一层使机器人无需凭空想象即可行动。首先应用于服务机器人，未来将拓展至人形机器人。
这是一条研究路径，而非已交付的产品。我们绝不夸大其词。
我们的研究
人形 机器人。
目前，机器人主要理解它们所看到的内容。我们致力于让它们理解企业所掌握的知识、它们被允许知晓的内容以及被允许执行的操作。
正是将组织知识转化为物理行动的这一过程，构成了我们研究的核心。
团队
Loxyn.
法国SAS公司，总部位于里昂（TO-LYON大厦）。拥有内部技术团队。技术栈及核心技术均为自主内部研发。
YC
Yoline Comtet
董事长
CL
Coralie Lebon
总经理
SG
Sébastien Gracia
技术总监
常见问题
常见问题。
主权，具体指什么？
您的数据不会离开您的边界。Korela 部署在您本地（或您信任的云上），并可运行本地执行的模型。没有任何数据会发送给第三方。
数据存储在哪里？
由您决定存储位置。我们不会收集任何数据。
与 RAG 有何不同？
RAG 只是检索文本片段并拼接，寄希望于结果正确。而 Korela 构建的是事实图谱，每个事实都明确其来源、时间、权限和真实性状态。信任由此成为系统结构的一部分。
关于机器人，认真吗？
这是我们研究的发展方向，而非营销承诺。真实、可追溯时间、明确权限的知识单元，正是机器人无需虚构即可行动所缺失的关键。我们优先提供服务。
如何与你们联系？
请通过页面底部的联系表单写信给我们。我们可以按您的节奏进行书面交流。
联系
给我们留言。
Korela 已经在真实的企业数据上运行——现在正是加入的时机。只需一句话即可；无需立即进行视频会议——我们先通过文字交流，然后共同推进。
由 Loxyn 团队收悉。