Valori: Een deterministisch geheugensubstraat voor AI-systemen

Valori: A Deterministic Memory Substrate for AI Systems

December 25, 2025

Auteurs: Varshith Gudur

cs.AI

Samenvatting

Moderne AI-systemen vertrouwen op vector-embeddings die worden opgeslagen en doorzocht met behulp van floating-point rekenkunde. Hoewel effectief voor benaderende gelijkeniszoekopdrachten, introduceert dit ontwerp een fundamentele non-determinisme: identieke modellen, invoer en code kunnen verschillende geheugentoestanden en zoekresultaten opleveren op verschillende hardware-architecturen (bijv. x86 vs. ARM). Dit verhindert reproduceerbaarheid en veilige implementatie, wat leidt tot stille datadivergentie die latere verificatie onmogelijk maakt en audit trails in gereguleerde sectoren compromitteert. Wij presenteren Valori, een deterministisch AI-geheugensubstraat dat floating-pointgeheugenoperaties vervangt door fixed-point rekenkunde (Q16.16) en geheugen modelleert als een reproduceerbare toestandsautomaat. Valori garandeert bit-identieke geheugentoestanden, snapshots en zoekresultaten op verschillende platformen. Wij tonen aan dat non-determinisme al vóór indexering of retrievable optreedt en laten zien hoe Valori determinisme afdwingt bij de geheugengrens. Onze resultaten suggereren dat deterministisch geheugen een noodzakelijke bouwsteen is voor betrouwbare AI-systemen. De referentie-implementatie is open-source en beschikbaar op https://github.com/varshith-Git/Valori-Kernel (gearchiveerd op 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).