Valori: Um Substrato de Memória Determinístico para Sistemas de IA
Valori: A Deterministic Memory Substrate for AI Systems
December 25, 2025
Autores: Varshith Gudur
cs.AI
Resumo
Os sistemas modernos de IA dependem de embeddings vetoriais armazenados e pesquisados usando aritmética de ponto flutuante. Embora eficaz para busca de similaridade aproximada, este projeto introduz um não-determinismo fundamental: modelos, entradas e códigos idênticos podem produzir estados de memória e resultados de recuperação diferentes entre arquiteturas de hardware (por exemplo, x86 vs. ARM). Isso impede a repetibilidade e a implantação segura, levando a uma divergência silenciosa de dados que impossibilita a verificação posterior e compromete trilhas de auditoria em setores regulamentados. Apresentamos o Valori, um substrato de memória de IA determinístico que substitui as operações de memória de ponto flutuante por aritmética de ponto fixo (Q16.16) e modela a memória como uma máquina de estados repetível. O Valori garante estados de memória, instantâneos e resultados de pesquisa bit-idênticos entre plataformas. Demonstramos que o não-determinismo surge antes da indexação ou recuperação e mostramos como o Valori impõe o determinismo no limite da memória. Nossos resultados sugerem que a memória determinística é um primitivo necessário para sistemas de IA confiáveis. A implementação de referência é de código aberto e está disponível em https://github.com/varshith-Git/Valori-Kernel (arquivado em 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).