Valori: Детерминированная архитектура памяти для систем искусственного интеллекта
Valori: A Deterministic Memory Substrate for AI Systems
December 25, 2025
Авторы: Varshith Gudur
cs.AI
Аннотация
Современные системы ИИ используют векторные эмбеддинги, хранимые и обрабатываемые с помощью операций с плавающей запятой. Хотя этот подход эффективен для приближенного поиска схожести, он вносит фундаментальную недетерминированность: идентичные модели, входные данные и код могут давать различные состояния памяти и результаты поиска на разных аппаратных архитектурах (например, x86 против ARM). Это исключает возможность воспроизведения результатов и безопасного развертывания, приводя к скрытому расхождению данных, которое препятствует последующей верификации и нарушает целостность аудиторских следов в регулируемых отраслях. Мы представляем Valori, детерминированную подсистему памяти для ИИ, которая заменяет операции с плавающей запятой на арифметику с фиксированной точкой (Q16.16) и моделирует память как воспроизводимый конечный автомат. Valori гарантирует битовую идентичность состояний памяти, снимков и результатов поиска на разных платформах. Мы демонстрируем, что недетерминированность возникает до индексации или поиска, и показываем, как Valori обеспечивает детерминизм на границе памяти. Наши результаты свидетельствуют, что детерминированная память является необходимой основой для доверенных систем ИИ. Эталонная реализация имеет открытый исходный код и доступна по адресу https://github.com/varshith-Git/Valori-Kernel (архивирована по адресу 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).