Valori: AI 시스템을 위한 결정론적 메모리 기반

초록

현대 AI 시스템은 부동소수점 연산을 사용해 저장 및 검색되는 벡터 임베딩에 의존합니다. 이는 근사 유사성 검색에는 효과적이지만, 이러한 설계는 근본적인 비결정론을 초래합니다. 즉, 동일한 모델, 입력, 코드라도 하드웨어 아키텍처(x86 대 ARM)에 따라 서로 다른 메모리 상태와 검색 결과를 생성할 수 있습니다. 이로 인해 재현 가능성이 저해되고 안전한 배포가 어려워지며, 규제 산업에서 사후 검증과 감사 추적을 불가능하게 하는 침묵적인 데이터 이질화가 발생합니다. 본 논문에서는 부동소수점 메모리 연산을 고정소수점 연산(Q16.16)으로 대체하고 메모리를 재생 가능한 상태 머신으로 모델링하는 결정론적 AI 메모리 기반 시스템인 Valori를 제시합니다. Valori는 플랫폼 간에 비트 단위로 동일한 메모리 상태, 스냅샷 및 검색 결과를 보장합니다. 우리는 비결정론이 인덱싱 또는 검색 이전에 발생함을 입증하고 Valori가 메모리 경계에서 어떻게 결정론을 강제하는지 보여줍니다. 연구 결과는 결정론적 메모리가 신뢰할 수 있는 AI 시스템을 위한 필수 요소임을 시사합니다. 참조 구현은 오픈소스이며 https://github.com/varshith-Git/Valori-Kernel(기록 보관: https://zenodo.org/records/18022660)에서 확인할 수 있습니다.

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).

Valori: AI 시스템을 위한 결정론적 메모리 기반

Valori: A Deterministic Memory Substrate for AI Systems

초록

Support