scallop

让神经网络学会逻辑推理,构建可解释的 AI 系统

Scallop 是一个面向神经符号编程(Neurosymbolic Programming)的开源框架与语言,基于 Rust 实现。它旨在弥合深度学习与符号推理之间的鸿沟,让开发者能够构建同时具备神经网络学习能力和符号逻辑推理能力的智能系统。Scallop 提供了一种声明式编程语言,支持定义知识库、逻辑规则和约束,并能与 PyTorch 等深度学习框架无缝集成,实现端到端的可微推理。其核心能力包括可微分的逻辑推理引擎、高效的证据张量传播机制,以及支持多种推理任务(如视觉问答、知识图谱推理、程序合成等)。Scallop 解决了传统神经模型缺乏可解释性和结构化推理能力的问题,使得模型在复杂推理任务上表现更准确、更可解释。该项目处于早期阶段,但已展现出在 AI 领域融合符号与连接主义的巨大潜力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 514
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队scallop-lang
所属国家
定价模式free
价格说明开源框架,MIT许可证,完全免费,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Rust
技术栈/模型deep-learning,foundation-models,machine-learning-framework,neurosymbolic,symbolic-reasoning
GitHub 星标★ 514
30天Star增速
HF 下载量
上线时间2022-07-25 00:00:00
最近更新2026-09-22 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 提供可微分的逻辑推理引擎,支持端到端训练,将符号推理无缝融入深度学习流程
  • 声明式语言设计简洁,降低神经符号编程门槛,并支持与 PyTorch 等主流框架集成
  • 基于 Rust 实现,性能高效且内存安全,适合构建生产级推理系统

不足之处

  • 文档和社区生态尚不完善,学习资源有限
  • 项目处于早期阶段,API 可能不稳定,生产环境应用需谨慎

适用场景

  • 视觉问答:结合图像特征与知识库规则进行复杂推理
  • 知识图谱推理:对实体关系进行逻辑推断,支持可解释的链路预测
  • 程序合成:利用逻辑约束引导神经模型生成符合规范的代码

替代项目

DeepProbLog、Neuralogic、L2P

项目介绍

scallop 是开发框架领域的开源项目,由 scallop-lang 开发,2022 年首次发布。

它收录于开发框架分类,该分类目前共有 795 个项目,GitHub 星标数为 514。

项目仍在小幅维护中,最近一次代码更新于 2026-09-22。MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:视觉问答:结合图像特征与知识库规则进行复杂推理。同类可对比的替代方案包括 DeepProbLog、Neuralogic、L2P。

上一篇:Swarm

下一篇:react-native-apple-llm

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12