Skip to main content

NINMENI — Neural Indonesian Meaning Engine for Natural Intelligence. AI framework that understands token meaning, NOT next-token prediction.

Project description

NINMENI

"Kami tidak mengajarkan model bahasa Indonesia. Kami membuat model lahir sebagai bahasa Indonesia."

— Emylton Leunufna


Apa itu NINMENI?

NINMENI terdiri dari dua hal yang berbeda namun saling terkait:

1. NINMENI Framework

Framework untuk membangun model NLP yang MEMAHAMI makna, bukan memprediksi token berikutnya.

NINMENI Framework adalah toolkit yang bisa digunakan oleh engineer manapun untuk membangun model bahasa Indonesia (atau bahasa lain) dengan prinsip pemahaman makna. Framework ini menyediakan primitif linguistik, arsitektur representasi, dan pipeline training yang secara fundamental berbeda dari paradigma Transformer/LLM.

Dokumentasi lengkap: docs/FRAMEWORK.md

2. NINMENI Model (1.3B)

Model pertama yang dihasilkan oleh NINMENI Framework.

Model NLP 1.3 miliar parameter untuk bahasa Indonesia yang memahami makna kalimat melalui representasi bijektif, bukan statistik distribusi token. Dilatih menggunakan KBBI sebagai fondasi semantik.

Dokumentasi lengkap: docs/MODEL.md


Prinsip Fundamental

NINMENI BUKAN language model konvensional.

LLM  : Input → langsung prediksi output (TANPA pemahaman)
NINMENI : Input → MEMAHAMI makna → MENALAR → Output DARI pemahaman

Konsekuensi:
  ✗ Tidak ada next-token prediction
  ✗ Tidak ada cross-entropy atas distribusi token
  ✗ Tidak ada sampling stokastik
  ✓ Neural genuine — model MEMAHAMI makna, bukan sekedar mencocokkan pola
  ✓ Pemahaman dan penalaran terjadi SEBELUM output dihasilkan
  ✓ Setiap keputusan bisa dijelaskan

Quick Start

Framework (analisis deterministik)

from ninmeni import NinmeniFramework

fw = NinmeniFramework.dari_kbbi("kbbi_core_v2.json")
state = fw.proses("Hakim menjatuhkan hukuman kepada terdakwa.")

print(state.skor_linguistik)   # 0.72
print(state.krl_result.proposisi)  # JATUH(agen=Hakim, pasien=hukuman, penerima=terdakwa)

Model (pemahaman neural)

from ninmeni.core.meb_v2 import MesinEvolusiBahasa_v2, MEBv2Config

config = MEBv2Config.config_1_3B()
meb = MesinEvolusiBahasa_v2(config)
# Load checkpoint, lalu gunakan untuk memahami makna kalimat

Instalasi

# Dari PyPI
pip install ninmeni

# Dari source
git clone https://github.com/rafaelsistems/ninmeni.git
cd ninmeni
pip install -e .

Requirements: Python 3.9+, PyTorch 2.0+, NumPy 1.24+


Struktur Proyek

ninmeni/
├── primitives/              ← Framework: 6 primitif linguistik
│   ├── lps/                    Linguistic Parse System
│   ├── sfm/                    Semantic Field Manifold
│   ├── cpe/                    Constraint Propagation Engine
│   ├── cmc/                    Categorical Meaning Composer
│   ├── tda/                    Topological Dependency Analyzer
│   └── krl/                    Knowledge Representation Layer
├── base/                    ← Framework: base classes
│   ├── state.py                NinmeniState (output pipeline)
│   └── head.py                 NinmeniHead (base class custom head)
├── framework.py             ← Framework: orkestrator utama
├── config.py                ← Framework: konfigurasi domain
│
├── core/                    ← Model: arsitektur neural
│   ├── meb_v2.py               Mesin Evolusi Bahasa v2 (1.3B)
│   ├── bsu.py                  Bahasa State Unit
│   ├── plausibility.py         PlausibilityHead (Layer 2)
│   ├── correctness.py          CorrectnessHead (Layer 1)
│   ├── semantik_kristal.py     SemantikKristal
│   ├── gos.py                  Generator Output Struktural
│   └── model.py                NinmeniModel
│
├── training/                ← Model: training utilities
├── linguistic/              ← Shared: utilitas linguistik
└── eval/                    ← Shared: evaluasi

docs/
├── FRAMEWORK.md             ← Dokumentasi framework (untuk engineer)
├── MODEL.md                 ← Dokumentasi model 1.3B (hasil training)
├── NINMENI_FRAMEWORK_SPEC.md   Spesifikasi teknis framework
└── NINMENI_PRIMITIVES_MATH.md  Fondasi matematis primitif

tools/                       ← Script training, evaluasi, dan utilitas

Dokumentasi

Dokumen Untuk Siapa Isi
docs/FRAMEWORK.md Engineer yang ingin membangun model dengan NINMENI Arsitektur primitif, cara pakai, API, cara extend
docs/MODEL.md Peneliti yang ingin menggunakan model NINMENI 1.3B Arsitektur MEB v2, training, checkpoint, evaluasi
docs/NINMENI_FRAMEWORK_SPEC.md Kontributor framework Spesifikasi teknis mendalam
docs/NINMENI_PRIMITIVES_MATH.md Peneliti Fondasi matematis setiap primitif

Penulis

Emylton Leunufna

Lisensi

MIT

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

ninmeni-1.0.0.tar.gz (311.2 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

ninmeni-1.0.0-py3-none-any.whl (304.1 kB view details)

Uploaded Python 3

File details

Details for the file ninmeni-1.0.0.tar.gz.

File metadata

  • Download URL: ninmeni-1.0.0.tar.gz
  • Upload date:
  • Size: 311.2 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.13.5

File hashes

Hashes for ninmeni-1.0.0.tar.gz
Algorithm Hash digest
SHA256 c4adeaee1dd9c23bbe26ea87262c3b1408273f3fd2437b1f62a6df27404e8929
MD5 3826366b1e6cf6185dc2601cf5c145aa
BLAKE2b-256 04c429cfbd393c45ba84424878b214c881711a1c337c924f1f33ef946f256b85

See more details on using hashes here.

File details

Details for the file ninmeni-1.0.0-py3-none-any.whl.

File metadata

  • Download URL: ninmeni-1.0.0-py3-none-any.whl
  • Upload date:
  • Size: 304.1 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.13.5

File hashes

Hashes for ninmeni-1.0.0-py3-none-any.whl
Algorithm Hash digest
SHA256 d0d6dabbe637df96f1b17e52af2fafe6f4b5bdd1b90b999ec5433eb04a30d201
MD5 2140b15fcf5c7c4c9a8cefa899d76d31
BLAKE2b-256 1100dc8af205c2656da3ae6d212b739e3a8155bd046878c4f710047edd7dcce5

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page