无状态记忆
由于每次请求都会重新开始，术语会在长时间的游戏或平台上发生漂移。
智能层
不是又一个模型，而是围绕每个模型的智能层。
Sahure 运行于模型之上、产品之下，为阿拉伯语用户提供原始模型所不具备的记忆、上下文、评估和控制功能。
为什么原始模型会停滞不前
四个结构性缺陷。 并非规模问题。
更大的模型可以提高流畅度，但它无法创建持久的术语体系、语域规范、可靠的音标标注，也无法提供认证和安全所需的精确度。
方言混杂
现代标准阿拉伯语、方言和正式语域在应该保持区分的地方混杂在一起。
无声的意义变化
音标标注和上下文可能会改变含义，而不会产生通用模型无法识别的错误。
粗略判断
单一的通用评分无法揭示认证、方向、术语或安全方面的缺陷。
架构
从输入到 可解释的决策。
该层分离了语言理解、持久记忆、领域治理和评估。底层模型可以更改，而不会抹去已积累的智能。
解读现实
阿拉伯语、阿拉伯语混合文字、混合文字以及产品或场景上下文。
解析含义
方言、语域、意图、术语和结构风险。
应用记忆
领域规则、已批准的术语以及所有已确认的先前决策。
做出判断
可审计的输出，包含理由和精确的风险信号。
能力
模型改变后依然留存的 知识。
可辩护的价值并非一次模型调用。而是系统知道应该保留、约束、衡量和解释什么。
术语记忆
在数千个字符串、版本和团队中保持一致的决策，并具有可追溯的上下文和来源。
方言和语域
按领域控制现代标准阿拉伯语、区域方言以及正式或娱乐语域。
阿拉伯语理解
在应用审核、分类或安全决策之前，读取用拉丁字母和数字书写的阿拉伯语。
多维度评估
衡量含义、术语、一致性、语域和结构风险，而不是返回一个不透明的分数。
产品上下文
将字符串与其所在位置关联起来，例如游戏内控件、支付字段或安全消息。
可审计性
将决策层与基础模型分离，并记录每个结果背后的记忆和规则。
当模型收敛时，该层仍是持久资产。
在 Sahure 的评估中，预算模型和前沿模型在都使用该层后，两者之间的差距缩小至 0.13 分。