ヴァロリ：AIシステムのための決定論的メモリ基盤

要旨

現代のAIシステムは、浮動小数点演算を用いて保存・検索されるベクトル埋め込みに依存している。近似類似性検索には有効だが、この設計は根本的な非決定性を導入する。同一のモデル、入力、コードでも、ハードウェアアーキテクチャ（x86対ARMなど）が異なると、メモリ状態や検索結果が異なる可能性がある。これにより再現性が損なわれ、安全なデプロイが妨げられ、検知困難なデータの不一致が生じる。結果として、規制業界における事後的検証や監査証跡が損なわれる。本論文では、浮動小数点メモリ操作を固定小数点演算（Q16.16）で置き換え、メモリを再現可能な状態機械としてモデル化する、決定論的AIメモリ基盤「Valori」を提案する。Valoriは、プラットフォーム間でビット単位で同一のメモリ状態、スナップショット、検索結果を保証する。非決定性がインデックス作成や検索の前段階で発生することを示し、Valoriがメモリ境界で如何に決定性を強制するかを説明する。我々の結果は、決定論的メモリが信頼できるAIシステムの必須の基本要素であることを示唆する。リファレンス実装はオープンソースであり、https://github.com/varshith-Git/Valori-Kernel で利用可能である（アーカイブは 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).

ヴァロリ：AIシステムのための決定論的メモリ基盤

Valori: A Deterministic Memory Substrate for AI Systems

要旨

Support