sum

SUM은 AI 변환 텍스트에 신뢰 계층을 제공하는 오픈소스 프로젝트입니다. 사용자가 텍스트를 재구성하고 원본 대비 변경 사항을 검사하며 검증 가능한 리뷰를 공유할 수 있도록 돕습니다. 이 프로젝트의 장기적 목표는 유지된 소스에 대해 유용한 세부 수준과 관점을 제공하는 지식 증류기(knowledge distiller)가 되는 것입니다. 핵심 기능은 다음과 같습니다: - 브라우저 워크벤치에서 영수증 인식 내보내기를 포함한 소스/재작성 검토 - 모델 기반 연구 측정 및 오프라인 검증을 위한 CLI 및 MCP 도구 - 재작성 과정에서 어떤 소스 주장이 살아남았고 어떤 것이 사라졌는지 보여주는 의미 차이(meaning-diff) 분석 - JCS 표준 바이트에 대한 Ed25519 서명을 사용하는 암호화 영수증으로, Python, Node, 브라우저 런타임에서 검증 가능 주요 기능: 1. 의미 손실 영수증(Meaning-loss receipts): 명명된 의미 손실 프록시에 대한 서명되고 재생 가능한 인증서로, 의존성이 낮은 검증(numpy/scipy/torch/GPU/네트워크 불필요)을 제공합니다. 2. 렌더 영수증(Render receipts): 변환이 발생했음을 증명합니다(발행자, 입력, 슬라이더 위치, 모델, 시간). 3. 인증 체인(Certified chains): 순서가 있는 홉 영수증을 정수 정확한 본페로니(Bonferroni) 예산에 결합하여 공동 신뢰도를 제공합니다. 4. 규정 준수 검증기(Compliance validators): EU AI Act, GDPR, HIPAA, ISO/IEC 27001, SOC 2, PCI DSS를 지원합니다. 5. MCP 서버: 검증 및 의미 차이 도구를 갖춘 에이전트 스웜 통합을 제공합니다. 6. 변환 기반(Transform substrate): Ed25519/JCS/분리형 JWS를 통한 영수증이 포함된 변환 레지스트리입니다. 이 프로젝트는 증명된 것과 측정된 것의 투명성을 강조합니다. 암호화 측면은 세 개의 독립적인 검증기 구현이 바이트 단위로 일치하는 방식으로 기계적으로 증명됩니다. 의미적 측면(추출 품질, 사실 보존)은 말뭉치별 명시적 수치와 경계를 통해 경험적으로 측정됩니다. 설치는 pip를 통해 이루어지며 선택적 확장 기능을 포함합니다: 기본 기능에는 'sum-engine[sieve]', 경량 검증에는 'sum-engine[verify]', 의미 차이 분석에는 'sum-engine[research,judge]', 영수증 발행에는 'sum-engine[research,receipt-verify,judge]'를 사용합니다. 이 프로젝트는 Apache-2.0 라이선스를 따르며 개방형 표준(C2PA, W3C VC 2.0, JOSE/JWS/JWKS)과 정렬됩니다.