Valori: Un Sustrato de Memoria Determinista para Sistemas de Inteligencia Artificial
Valori: A Deterministic Memory Substrate for AI Systems
December 25, 2025
Autores: Varshith Gudur
cs.AI
Resumen
Los sistemas modernos de IA dependen de incrustaciones vectoriales almacenadas y consultadas mediante aritmética de punto flotante. Aunque son efectivos para la búsqueda aproximada de similitudes, este diseño introduce un no-determinismo fundamental: modelos, entradas y código idénticos pueden producir estados de memoria y resultados de recuperación diferentes entre arquitecturas de hardware (por ejemplo, x86 frente a ARM). Esto impide la replicabilidad y el despliegue seguro, conduciendo a una divergencia silenciosa de datos que imposibilita la verificación posterior y compromete los rastros de auditoría en sectores regulados. Presentamos Valori, un sustrato de memoria de IA determinista que reemplaza las operaciones de memoria de punto flotante con aritmética de punto fijo (Q16.16) y modela la memoria como una máquina de estados replicable. Valori garantiza estados de memoria, instantáneas y resultados de búsqueda bit-idénticos entre plataformas. Demostramos que el no-determinismo surge antes de la indexación o recuperación y mostramos cómo Valori impone el determinismo en el límite de la memoria. Nuestros resultados sugieren que la memoria determinista es una primitiva necesaria para sistemas de IA confiables. La implementación de referencia es de código abierto y está disponible en https://github.com/varshith-Git/Valori-Kernel (archivada en 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).