Grokersは、型付き知識グラフに対する永続的で構造化された理解を構築するための新しいアーキテクチャである。その中心的なアイデアは、インテリジェンスをクエリ時から書き込み時に移行することにある。検索拡張生成（RAG）がクエリごとに完全な理解コストを支払うのとは異なり、Grokersは自律エージェント（Grokerエージェント）が型付きストリームグラフ内のノードを分析し、統制された言語モデル呼び出しを通じて構造化属性を抽出し、依存関係に沿ってボトムアップに理解を帰納的に構成する。こうして書き込まれた enriched な型付き属性は、将来のすべてのクエリに対して追加の言語モデルコストなしで提供されるため、長期的な運用コストを大幅に削減できる。
論文では3つの形式的性質が証明されている。第一に、バイト同一性定理は、トランザクション的に維持される非正規化インデックスから組み立てられたコンテキストブロックが、意味的変更の間の言語モデルターン間でバイト単位で同一であることを示し、KVキャッシュのヒット率が100%に近づくことを可能にする。第二に、累積単調性定理は、統制された知恵ライブラリ成長プロトコルの下で、言語モデル呼び出しなしで解決されるインタラクションの割合が、完了したインタラクション数の増加に対して非減少であることを確立する。これはシステムが使用とともに進化する能力を反映している。第三に、双方向走査順序定理は、依存DAG上でトップダウン生成とボトムアップ理解がそれぞれのタスクに対して唯一正しい走査順序であり、それらの組み合わせが完全な生成-理解サイクルを閉じることを示す。
さらに、論文は埋め込みベースのセマンティック検索に対する決定論的な代替案を提示し、同義語キャッシュプロトコルを設計している。有限語彙領域では、このプロトコルの言語モデルフォールバック率がゼロに収束し、外部モデル呼び出しへの依存をさらに減らす。参照実装はオープンソースのQbix / Safebox / Safebotsスタックで提供されており、研究者や開発者が再現・拡張できる。本研究は著者の以前のMagarshak Machine / SPACER論文およびContext論文とシリーズをなし、知識グラフの理解と生成に関する新しいアプローチを示している。