Valori: Ein deterministisches Speichersubstrat für KI-Systeme
Valori: A Deterministic Memory Substrate for AI Systems
December 25, 2025
papers.authors: Varshith Gudur
cs.AI
papers.abstract
Moderne KI-Systeme basieren auf Vektoreinbettungen, die unter Verwendung von Fließkommaarithmetik gespeichert und durchsucht werden. Obwohl dies für die approximative Ähnlichkeitssuche effektiv ist, führt dieses Design grundlegende Nichtdeterminiertheit ein: Identische Modelle, Eingaben und Code können auf verschiedenen Hardwarearchitekturen (z.B. x86 vs. ARM) zu unterschiedlichen Speicherzuständen und Abfrageergebnissen führen. Dies verhindert Reproduzierbarkeit und sichere Bereitstellung, was zu stiller Datenabweichung führt, die eine nachträgliche Verifizierung unmöglich macht und Audit-Trails in regulierten Branchen beeinträchtigt. Wir stellen Valori vor, ein deterministisches KI-Speichersubstrat, das Fließkomma-Speicheroperationen durch Festkommaarithmetik (Q16.16) ersetzt und den Speicher als reproduzierbare Zustandsmaschine modelliert. Valori garantiert bitidentische Speicherzustände, Snapshots und Suchergebnisse plattformübergreifend. Wir zeigen, dass Nichtdeterminiertheit bereits vor der Indexierung oder Abfrage entsteht und demonstrieren, wie Valori Determiniertheit an der Speichergrenze erzwingt. Unsere Ergebnisse legen nahe, dass deterministischer Speicher eine notwendige Grundlage für vertrauenswürdige KI-Systeme ist. Die Referenzimplementierung ist quelloffen und verfügbar unter https://github.com/varshith-Git/Valori-Kernel (archiviert unter https://zenodo.org/records/18022660).
English
Modern AI systems rely on vector embeddings stored and searched using floating-point arithmetic. While effective for approximate similarity search, this design introduces fundamental non-determinism: identical models, inputs, and code can produce different memory states and retrieval results across hardware architectures (e.g., x86 vs. ARM). This prevents replayability and safe deployment, leading to silent data divergence that prevents post-hoc verification and compromises audit trails in regulated sectors. We present Valori, a deterministic AI memory substrate that replaces floating-point memory operations with fixed-point arithmetic (Q16.16) and models memory as a replayable state machine. Valori guarantees bit-identical memory states, snapshots, and search results across platforms. We demonstrate that non-determinism arises before indexing or retrieval and show how Valori enforces determinism at the memory boundary. Our results suggest that deterministic memory is a necessary primitive for trustworthy AI systems. The reference implementation is open-source and available at https://github.com/varshith-Git/Valori-Kernel (archived at https://zenodo.org/records/18022660).