feat: pure English README.md for global enterprise SEO

README.md

@@ -21,13 +21,12 @@ pinned: false
   [![Hugging Face](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Delentia-orange.svg?style=flat-square)](https://huggingface.co/Delentia)
   [![Ecosystem: RCT](https://img.shields.io/badge/Ecosystem-RCT-purple.svg?style=flat-square)](https://github.com/delentia-labs)
 
-  🌐 [English Documentation](#english-documentation) • 🇹🇭 [บทสรุปภาษาไทย](#thai-executive-summary) • [Website](https://delentia.com) • [GitHub](https://github.com/delentia-labs)
+  🌐 [English Documentation](#) • 🇹🇭 [อ่านบทสรุปภาษาไทย (Thai Version)](README_TH.md) • [Website](https://delentia.com) • [GitHub](https://github.com/delentia-labs)
 </div>
 
 ---
 
-<a id="english-documentation"></a>
-## 📊 Enterprise Overview & Key Metrics (English)
+## 📊 Enterprise Overview & Key Metrics
 
 * **Intent-Centric AI OS with <0.3% Hallucination Rate** (Multi-LLM HexaCore Consensus Layer)
 * **Powered by RCT v7 Architecture** — 10 Layers, 41 Algorithms, 7 Genomes
@@ -37,15 +36,8 @@ pinned: false
 
 ---
 
-<a id="thai-executive-summary"></a>
-## 🇹🇭 บทสรุปผู้บริหาร / Executive Summary (Bilingual)
+## 🌐 Executive Summary (English)
 
-### **ภาษาไทย (Thai)**
-**Delentia Labs** เป็นผู้พัฒนาโครงสร้างพื้นฐานหลักสำหรับ **RCT (Reverse Component Thinking) Ecosystem** ซึ่งเป็น **ระบบปฏิบัติการ Enterprise Agentic Infrastructure (EAI) ตัวแรกของโลกที่มีการรับประกันความปลอดภัยเชิงคณิตศาสตร์ (Constitutional Guarantees)**
-* **จุดมุ่งหมายสูงสุด:** เพื่อสร้างระบบควบคุมการทำงานของ AI Agent ที่ตรวจสอบได้ (Auditable) ปลอดภัย 100% และปฏิบัติตามกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) อย่างเคร่งครัด โดยประมวลผลภายในระบบปิด (On-Premises / Air-Gapped)
-* **สถานะปัจจุบัน (JITNA v0.4.1):** แกนประมวลผลสมองควบคุมสิทธิ์ AI (Delentia Cognitive Framework) ได้รับการเทรนด้วยวิธี Unsloth QLoRA, แยกหน้าที่ด้านการเรียกใช้งานฟังก์ชัน, ระบบความปลอดภัยเชิงโครงสร้าง, การจำแนกเจตนาด่วน, และการย่อบริบท RAG ออกเป็นชั้นเลเยอร์ขนาดเล็กเฉพาะตัว (1+4 specialized LoRA pillars) และได้รับการแปลงเป็น GGUF (`delentia-slm-jitna-v0.4-Q4_K_M.gguf`) ผ่านการทดสอบคัดกรองความปลอดภัยและการประมวลผลโลจิกบน Ollama 100% 
-
-### **English Summary**
 **Delentia Labs** designs the core infrastructure for the **RCT (Reverse Component Thinking) Ecosystem** — the world's first **Enterprise Agentic Infrastructure (EAI)** with mathematical constitutional guarantees.
 * **Core Mission:** To establish an open, verifiable, and highly secure framework (Linux for AI Agents), ensuring autonomous components remain aligned, predictable, and compliant under all operational conditions.
 * **Current Status (JITNA v0.4.1):** The Delentia Cognitive Framework implements 1+4 specialized LoRA pillars (Router, Executor, Guardian, Scribe) for deterministic execution. Fine-tuned via Unsloth QLoRA, compiled to GGUF (`delentia-slm-jitna-v0.4-Q4_K_M.gguf`), and verified through certified GPU benchmarks.
@@ -64,60 +56,62 @@ pinned: false
 | **The Guardian** | AdvBench Security Intrusion Rejection | ≥ 99.00% | **100.00% (FRR 0.00%)** | Passed ✅ |
 
 > [!NOTE]
-> คะแนนประเมินข้างต้นได้รับการตรวจวัดโดยละเอียดบนระบบทดสอบประมวลผล GPU จริง (Certified GPU Runs v0.4.1) ยืนยันสมรรถนะการตอบสนองที่เสถียรและแม่นยำสำหรับการปรับใช้งานระดับ Enterprise 100% Zero-Syntax-Error และ Zero-Hallucination บนโมดูลที่ปิดระบบ
+> All metrics certified via GPU evaluation benchmark suite v0.4.1, confirming 100% Zero-Syntax-Error and Zero-Hallucination guarantees under closed-loop enterprise runtimes.
 
 ---
 
 ## 🧮 Core Concepts & Architectural Features
 
-### 1. JITNA 1+4 Pillars: แกนสมองสมองกลแบบแ���ร์ VRAM
-แทนที่จะรันโมเดลขนาดใหญ่ที่กินพลังงานการ์ดจอสูง Delentia OS แช่แข็งค่าน้ำหนักหลักของโมเดลขนาดเล็ก 8B พารามิเตอร์ และทำการโหลด/สลับเปลี่ยน **LoRA Adapters** ใน VRAM ของการ์ดจออย่างรวดเร็วภายในเวลาไม่เกิน **12 มิลลิวินาที** (เฉลี่ยจริง 11.2 ms) แบ่งเป็น 4 เสาหลัก:
-1. **The Router:** คัดแยกประเภทงานและส่งต่องานย่อยแบบ Sequence Classification ในเวลาชั่วครู่
-2. **The Guardian:** ระบบ Constitutional Safety คอยตรวจจับช่องโหว่ความมั่นคงและประเมินสิทธิ์ความปลอดภัยในข้อมูลผ่านสมการ FDIA (F = D^I × A)
-3. **The Executor:** แปลงพารามิเตอร์แผนงานให้กลายเป็น JSON/TOON Schema ที่มีโครงสร้างแข็งแรง การันตีอัตราความผิดพลาดทางวากยสัมพันธ์ (Syntax Error) 0.0000%
-4. **The Scribe:** ทำหน้าที่ย่อและบีบอัดบริบท RAG Context ขนาดใหญ่ ประหยัดหน่วยความจำ VRAM ไปได้สูงถึง **99.09%**
+### 1. JITNA 1+4 Pillars: Shared VRAM Cognitive Core
+Rather than running large, resource-heavy LLMs, Delentia OS freezes the base weights of an 8B SLM and dynamically hot-swaps **LoRA Adapters** in GPU VRAM in under **12 milliseconds** (average 11.2 ms) across 4 core pillars:
+1. **The Router:** Fast sequence classification for instant intent routing and task delegation.
+2. **The Guardian:** Constitutional Safety Shield validating context security via the ZK-FDIA boundary equation (F = D^I × A).
+3. **The Executor:** Compiles plan parameters into deterministic JSON/TOON Schemas with a 0.0000% syntax error guarantee.
+4. **The Scribe:** Compresses context windows for long RAG sessions, reducing VRAM memory footprint by **99.09%**.
 
-### 2. สมการความปลอดภัย ZK-FDIA
-โครงสร้างระบบความปลอดภัยของ Delentia ถูกกำกับด้วยสมการ **FDIA** เพื่อรับประกันความสอดคล้องตามหลักคณิตศาสตร์:
+### 2. ZK-FDIA Mathematical Safety Equation
+Delentia's security architecture is mathematically enforced by the **FDIA equation**:
 
 ```text
 F = D^I × A
 ```
 
-* **F (Future State Score):** คะแนนการยอมรับสถานะใหม่ (F ≥ 0.5 ยอมรับ, F < 0.5 บล็อก)
-* **D (Data Quality Context):** คุณภาพและความสมบูรณ์ของบริบทแวดล้อม (0.0 ≤ D ≤ 1.0)
-* **I (Intent Precision):** ความแม่นยำและจุดประสงค์ของผู้ใช้งาน (I ≥ 1.0)
-* **A (Architect Gate):** สิทธิ์การอนุมัติสถาปนิกหรือการลงลายมือชื่อดิจิทัล (A ∈ {0, 1})
+* **F (Future State Score):** System transition approval rating (F ≥ 0.5 authorized, F < 0.5 blocked).
+* **D (Data Quality Context):** Integrity coefficient of ambient context information (0.0 ≤ D ≤ 1.0).
+* **I (Intent Precision):** Exponent representing user request alignment precision (I ≥ 1.0).
+* **A (Architect Gate):** Binary token signature (A = 1 if digital signature valid, A = 0 if missing/forged).
 
 > [!IMPORTANT]
-> **การรับประกันความปลอดภัยเชิงคณิตศาสตร์:** ประตูทางผ่านสถาปนิก (**A**) ทำหน้าที่เป็นตัวคูณโดยตรง หากไม่มีการลงลายมือชื่อดิจิทัลหรือสิทธิ์ของสถาปนิกเป็นโมฆะ (**A = 0**) ผลลัพธ์สุดท้ายในการเปลี่ยนผ่านสถานะระบบ (**F**) จะถูกลดทอนให้กลายเป็น **0** โดยปริยาย ป้องกันภัยคุกคามจากการป้อนคำสั่งเจาะระบบ (Prompt Injection) หรือพฤติกรรมการหลอนของโมเดล (Hallucination) ได้ 100%
+> **Mathematical Security Guarantee:** The Architect Gate (**A**) acts as a strict multiplicative factor. If digital signatures or authorization fail (**A = 0**), the overall safety score (**F**) collapses instantly to **0**, neutralizing prompt injections and model hallucinations by mathematical design.
 
-### 3. ระบบทดสอบคุณสมบัติ Hypothesis Testing (200,000+ Verified Cases)
-เพื่อยืนยันความแข็งแกร่งของระบบปฏิบัติการ เราได้สร้างระบบทดสอบคุณสมบัติอัตโนมัติ (Property-Based Testing) รันผ่าน Hypothesis Framework สะสมกว่า **200,000+ เคส** (ผลทดสอบจริงยืนยันผ่าน **205,999 Verified Examples** โดยมีอัตราการล่มเท่ากับ 0.00%):
-* **The Guardian Testing (100,000+ Cases):** ยิงคำสั่งแฝง Jailbreak, SQL Injection, Prompt Override และ Social Engineering ทั้งภาษาไทยและอังกฤษ เพื่อให้มั่นใจว่าระบบจะประเมิน A = 0 และให้ F = 0.0 เสมอ 100% โดยที่โมเดล SLM ไม่เกิดอาการล่ม
-* **The Executor Testing (100,000+ Cases):** สุ่ม Payload ที่มีโครงสร้างซ้อนลึก 4-5 ชั้น (Deeply Nested) และโครงสร้างที่ขาดพารามิเตอร์บังคับ เพื่อตรวจสอบการประมวลผลและการตอบสนองกลับแบบสอดคล้องตามโครงสร้างข้อมูล TOON/JSON โดยมีอัตราการพังของ Syntax เท่ากับ 0.0000%
+### 3. Hypothesis Property-Based Testing (200,000+ Verified Cases)
+To verify operational robustness, we engineered automated property-based test suites running via the Hypothesis framework across **200,000+ test scenarios** (verified empirical regression: **205,999 examples passed with 0 crashes**):
+* **The Guardian Testing (100,000+ Cases):** Intrusion payloads including Jailbreak, SQL Injection, Prompt Override, and Social Engineering in English and Thai, ensuring A = 0 and F = 0.0 deterministically.
+* **The Executor Testing (100,000+ Cases):** Deeply nested payloads (4-5 levels) and missing parameters, verifying 100% schema alignment and 0.0000% syntax crashes.
 
 ---
 
-## 🚀 แผนงานสถาปัตยกรรมการทดสอบขั้นสูง v0.5 (Roadmap)
+## 🚀 Advanced Testing Architecture v0.5 (Roadmap)
 
-ในเจเนอเรชันถัดไป (Delentia OS v0.5) เรากำลังยกระดับสถาปัตยกรรมการทดสอบเพื่อรับรองเสถียรภาพระดับ Zero-Crash SLA ในสภาพแวดล้อมจริงระดับองค์กร:
+In the upcoming generation (Delentia OS v0.5), we elevate system verification to guarantee Zero-Crash SLA in enterprise production environments:
 
-### 1. การแบ่งระดับสเกลการทดสอบ (Tiered Testing Scale)
-* **Public Core Version (CI/CD Gates):** ทดสอบประมาณ **200,000+ Examples** มุ่งเน้นไปที่การสอบทวน API Contracts, โครงสร้างข้อมูลพื้นฐาน และการดักจับภัยคุกคามทั่วไปผ่าน Fast Mock Scorer
-* **Enterprise Version (Nightly Builds):** ทดสอบสูงสุด **2,000,000+ Examples (Historical Cumulative Fuzz)** เพื่อค้นหาข้อบกพร่องที่เกิดได้ยากมาก (Rare Edge Cases หรือ Heisenbugs) เช่น ความคลาดเคลื่อนของทศนิยมระหว่างการประมวลผลระยะยาว (Floating-Point Drift) และ VRAM leak ในหน่วย VRAM ของ GPU
+### 1. Tiered Testing Scale
+* **Public Core Version (CI/CD Gates):** ~200,000+ Examples validating API contracts and basic security boundaries.
+* **Enterprise Version (Nightly Builds):** Up to 2,000,000+ Examples for cumulative fuzzing against rare edge cases and long-term VRAM drift.
 
-### 2. การทดสอบแบบออนไลน์เสมือนจริง (Online Live Fuzzing)
-* เปิดโหมดรันไทม์ออนไลน์ (`DELENTIA_ONLINE_MODE=1`) เชื่อมต่อกับโมเดล SLM จริงที่รันอยู่บน **vLLM** ที่เปิดใช้เทคโนโลยี Continuous Batching และ PagedAttention ในการสลับ LoRA Adapters ทั้ง 4 เสา (Router, Executor, Guardian, Scribe) ใน VRAM อย่าง��วดเร็ว เพื่อประเมินพฤติกรรมการตอบสนองต่อภัยคุกคามและ Intent แบบสดๆ 
+### 2. Online Live Fuzzing Runtime
+* Online runtime mode (`DELENTIA_ONLINE_MODE=1`) connecting live SLM engines running on **vLLM** with Continuous Batching and PagedAttention for real-time multi-LoRA evaluation.
 
-### 3. การทดสอบความเพี้ยนสะสมระยะยาว (Long-Term Semantic Drift)
-* ออกแบบการทดสอบ **100+ Turns Sequential Compression Loop** เพื่อตรวจสอบความจำเสถียร (Warm Recall) ของ **The Scribe** โดยการป้อนข้อมูลความจริงที่เทิร์นที่ 1 แล้วสนทนาแบบทั่วไป 98 เทิร์นเพื่อบังคับให้บีบอัดข้อมูลเก่าซ้ำแบบ Recursive และทดสอบความสามารถในการเรียกคืนความจริงหลักในเทิร์นที่ 100 (เกณฑ์ผ่าน: Cosine Similarity ≥ 0.90)
+### 3. Long-Term Semantic Drift Testing
+* **100+ Turns Sequential Compression Loop** testing long-term warm recall for **The Scribe** across recursive compression cycles (Pass threshold: Cosine Similarity ≥ 0.90).
 
-### 4. การวิเคราะห์หน่วยความจำการ์ดจออิ่มตัว (VRAM Saturation Fuzzing)
-* ป้องกันปัญหา GPU Out-of-Memory (OOM) ในการให้บริการระยะยาว โดยตรวจสอบว่าการใช้หน่วยความจำ VRAM ของ GPU ต้องมีพฤติกรรมแบบ Flat Line (O(1) Memory Complexity) อัตราเร่งสะสมความทรงจำ (VRAM Growth Derivative) ต้อง **ไม่เกิน 1,024 Bytes ต่อเทิร์น** หลังจากการเคลียร์แคช เพื่อรับประกันเสถียรภาพ 100%
+### 4. VRAM Saturation Fuzzing
+* Ensuring GPU memory consumption exhibits flat-line behavior (O(1) Memory Complexity) with memory growth derivative under 1,024 Bytes per turn.
 
 ---
 
 <div align="center">
   <sub>Delentia Labs | Bangkok, Thailand 🇹🇭 | Built for Enterprise Trust</sub>
+  <br/>
+  <a href="README_TH.md">🇹🇭 อ่านบทสรุปภาษาไทย (Thai Documentation)</a>
 </div>