Grokers 是一项面向带类型知识图谱的架构研究，目标是让系统对知识图谱形成持久、结构化的“理解”，而不是在每次查询时临时重新推理。该论文由 Gregory Magarshak 撰写，于 2026 年 5 月 7 日提交至 arXiv，编号为 arXiv:2606.00050v1，属于 cs.AI 分类，同时涉及 cs.CL、cs.DB 与 cs.IR，全文约 6 页。它是继 Magarshak Machine / SPACER 论文与 Context 论文之后的系列工作之一。
论文的核心思路是把“智能”前移到写入阶段（write time），而不是留在查询阶段。传统检索增强生成（RAG）在每一次查询时都要重新付出完整理解成本；Grokers 则让自主的 Groker 智能体在带类型的流图中分析节点，通过受治理的语言模型调用抽取结构化属性，再沿依赖关系自下而上地归纳组合这些理解，将丰富的带类型属性写回图中。这样，后续查询可直接复用已写入的理解，无需再付出额外语言模型成本。
论文给出三项形式化性质。第一是字节同一性定理（Byte-Identity Theorem）：由事务性维护的反规范化索引所组装的上下文块，在两次语义变更之间的多个语言模型轮次中保持逐字节相同，从而使 KV 缓存命中率趋近 100%。第二是累积单调性定理（Accumulation Monotonicity Theorem）：在受治理的“智慧库”增长协议下，无需调用语言模型即可解决的交互比例，会随已完成交互数量的增加而单调不减。第三是双向遍历顺序定理（Dual-Traversal Ordering Theorem）：在依赖有向无环图上，自顶向下生成与自底向上理解分别是各自任务唯一正确的遍历顺序，且二者组合起来构成完整的“生成—理解”闭环。
除形式化论证外，论文还提出一种替代基于嵌入的语义检索的确定性方案，并配套同义词缓存协议；在有限词表领域中，该协议对语言模型兜底的调用率会收敛至零。参考实现已在开源 Qbix / Safebox / Safebots 技术栈中提供。