VIDRAFT开源六大项目：从GraphRAG到量子纠错

VIDRAFT 将其核心工具链的开源部分从 Hugging Face 迁移到了 GitHub（github.com/final-bench），一次性放出六个项目。这批项目覆盖了当前 AI 工程中最棘手的几个问题：检索增强的可信度、模型自我纠错能力、本地化部署、以及量子计算基准的透明性。对开发者而言，这不是零散的代码片段，而是一套可以互相咬合的基础设施。

ONGRID：会"质疑"自己的GraphRAG

主流 GraphRAG 工具做两件事：检索、生成。ONGRID 加上了第三件——判断答案是否可信。

使用方式很直接：导入文档后，ONGRID 会构建一个由类型化实体与关系组成的三维本体图。提问时，LLM 基于图中的事实作答，随后由一个置信度评判器在不生成任何 token 的前提下检查答案质量。这种"零 token 评审"的设计意味着验证成本几乎可以忽略，对于需要大规模部署 RAG 系统的团队而言，这是相当实用的取舍。

项目地址：final-bench/ongrid

GraphRAG 是检索增强生成（RAG）的一个变体，传统 RAG 通常基于向量相似度检索文本片段，而 GraphRAG 先构建知识图谱（实体与关系），再基于图谱结构进行检索和推理。这种结构能捕捉实体间的多跳关系，适合需要逻辑连贯性的问答。ONGRID 进一步引入了“三维本体图”，即对实体和关系进行类型化约束，使得检索时能利用本体层级进行更精确的匹配。

零 token 评审 指评判器不生成任何自然语言 token，而是直接输出一个置信度分数或二元判断。这通常通过一个轻量级分类头或回归头实现，避免了自回归生成的高延迟和高成本，使验证步骤几乎不增加额外开销。

FINAL Bench：模型能否识别自己的错误

传统准确率基准只关心最终答案对不对。FINAL Bench 换了问法：模型能否发现自己错了、承认错误并修正它？

这个基准覆盖 15 个领域、100 项任务的功能性元认知评估，从数学、医学延伸到伦理学和经济学。论文已发布在 arXiv，数据集托管于 Hugging Face。把"元认知"拆解为可测量的任务集，是这个项目最有价值的部分——它让"模型是否知道自己不知道"从哲学讨论变成了可跑分的指标。

项目地址：final-bench/leaderboard

元认知 在认知科学中指“对自身认知过程的认知”，在 AI 语境下常指模型评估自身知识边界、识别不确定性、发现并纠正错误的能力。FINAL Bench 将元认知操作化为可测量的任务：模型不仅需要给出答案，还需判断自己是否可能出错，并在提示下修正。这种评估超越了传统准确率，更贴近实际部署中对模型可靠性的要求。

Open Quantum Challenge harness：把评分标准摊开

排行榜的可信度取决于评分代码是否公开，所以 VIDRAFT 直接发布了评分工具。

该 harness 包含可复现的评分逻辑和冻结的测试题目，针对量子模拟任务与表面码解码器评分，结果以逻辑错误率呈现，并给出 95% Wilson 置信区间。任何人都能跑出与排行榜一致的数字，而参赛者各自的方法仍然保密。这种"评分公开、方法私有"的结构，在量子计算这类门槛极高的领域里，是维持基准公信力的合理做法。

项目地址：final-bench/quantum-bench-harness

表面码 是量子纠错中最主流的拓扑编码方案之一，通过将逻辑量子比特编码到二维网格上的物理量子比特中，利用局部测量检测错误。解码器则是根据测量症状推断最可能错误模式的算法，其性能直接决定逻辑错误率。Wilson 置信区间 是一种用于二项分布比例的区间估计方法，在样本量较小或比例接近 0/1 时比正态近似更稳健，常用于评估错误率的统计不确定性。

POCKET：笔记本上跑得动的好模型

POCKET 是一组经过量化、可在笔记本 CPU 上本地运行的模型系列，不需要 GPU，也不需要网络连接。

仓库本身是模型索引加运行配方，GGUF 权重放在 Hugging Face 上。据 VIDRAFT 披露，POCKET 各构建版本的累计下载量已超过两百万次——这个数字说明本地推理需求真实存在，且规模不小。对于隐私敏感场景或离线环境，这类工具链的价值摆在眼前的事实。

项目地址：final-bench/pocket

GGUF 是一种专为本地推理设计的模型文件格式，由 llama.cpp 社区推出，支持将模型权重量化到 2-8 比特，并包含元数据与张量布局，便于在 CPU 上高效加载和运行。GGUF 权重通常托管在 Hugging Face，用户可通过 llama.cpp 等运行时直接加载，无需 GPU 或网络连接，非常适合隐私敏感或离线场景。

ZTC：一个前向传播判断答案可信度

ZTC 全称 Zero-Token Confidence，输入是任意模型生成的问答对，输出是答案是否可信。整个过程在一次前向传播中完成，不生成任何文本。

它提供 4B、9B、27B 三种规格，从 CPU 友好到最高质量依次递进。仓库包含推理代码、模型索引和方法说明。ZTC 与 ONGRID 的组合值得关注：前者做通用答案核验，后者做图谱事实约束，两者叠加可以构成一条低成本、高可信的验证链路。

项目地址：final-bench/ztc

ALL Bench Leaderboard：横向对比的单一入口

与其在散落各处的表格之间翻找，不如集中到一处。ALL Bench Leaderboard 汇集公开基准结果，支持模型并排比较，采用 Apache-2.0 协议开源。

项目地址：final-bench/ALL-Bench-Leaderboard

该从哪里入手

VIDRAFT 给出了按场景划分的入口建议：

构建带验证的检索系统：从 ONGRID 和 ZTC 开始
评估模型能力：FINAL Bench 与 ALL Bench Leaderboard
离线运行模型：POCKET
量子纠错研究：Open Quantum Challenge harness

几个项目都欢迎 issue 和 PR，如果跑不起来，可以直接在仓库里反馈。

从整体布局看，VIDRAFT 这六个项目围绕同一条主线：让 AI 系统的输出变得可验证。无论是 RAG 的置信度判断、模型的自我纠错评估，还是量子基准的公开评分，指向的都是"信任"这个关键词。对想搭建可靠 AI 流水线的开发者来说，这套组合提供了一个值得研究的起点。