ABMN working papers

Read six July 2026 ABMN working papers covering the model-family contract, NER, classification, reranking, lexical retrieval, and one generalisation test.

Six July 2026 ABMN working papers. Each record links authors, abstract and topics; the draft is released on request.

Adaptive Binary Memory Networks

Category
Model family
Authors
Dweve
Draft date

A model family that compiles learning into one artifact: byte-identical on every architecture, with no seeding, and replayable wherever it runs.

Abstract: Adaptive Binary Memory Networks (ABMN) ask a narrow question: can a learned model be fully and truly deterministic on every architecture, with no seeding involved, and does that property survive a change of task? The family answers with a contract rather than a tolerance. ABMNs do not compress or quantize a trained network, they compile it. One build produces the artifact, that artifact is byte identical wherever it is built, and it replays the same decisions on every host that opens it. What is deployed is the model itself, not a floating point checkpoint identified within a numerical error bound. This paper states the contract, the evidence a build has to carry and the limits of what it covers, then holds it across sequence labelling, classification, retrieval reranking and lexical retrieval, and carries it to a structurally different logical learner.

Topics: Deterministic machine learning, Reproducible builds, Cross-architecture portability, Compiled models, Deployment contracts

Read the summary

ABMN-NER

Category
Sequence labelling
Authors
Dweve
Draft date

Deterministic named entity recognition, compiled rather than compressed, and byte-identical on every architecture.

Abstract: ABMN-NER asks whether the ABMN build contract holds for sequence labelling, where every decision depends on the tokens around it and a small difference propagates along the sentence. The terms are the ones the family paper sets out. Nothing is compressed or quantized: learning is compiled into one deployed artifact, that artifact is byte identical on every architecture with no seeding involved, and decoding is exact rather than approximate, so the same text replays the same labelled sequence on any host that opens it. Figures are reported per dataset and per host. On CoNLL-2003, on an Intel i9, the artifact reaches 91.24% F1 and tags 606,000 tokens per second. Further datasets and benchmarks are reported in the paper itself.

Topics: Named entity recognition, Sequence labelling, CoNLL-2003, Deterministic inference, CPU throughput

Read the summary

ABMN-Classification

Category
Text classification
Authors
Dweve
Draft date

Supervised text classification compiled into one artifact: byte-identical across ARM and x86, with no seeding and nothing quantized.

Abstract: ABMN-Classification asks what the build contract costs on ordinary supervised text classification, and whether it survives a change of instruction set. Learning is compiled rather than compressed or quantized: the deployed artifact is the model, one build produces it with no seeding involved, and it replays the same predictions wherever it is opened. Independent builds of all eleven tasks produced byte identical artifacts and identical prediction streams across ARM and x86. Measurements are per dataset and per host. On DBpedia-14, on an Intel i9, the artifact reaches 98.89% accuracy and 98.89% macro F1; on IMDb, on the same host, it sustains 90.75 million tokens per second at 1.38 microjoules per token. The full set of datasets and benchmarks appears in the paper.

Topics: Text classification, MASSIVE, DBpedia-14, Cross-architecture reproducibility, Energy per token

Read the summary

ABMN-Ranking

Category
Information retrieval
Authors
Dweve
Draft date

Deterministic candidate reranking compiled into one artifact, with no dense model in the hot path and the same ordering on every host.

Abstract: ABMN-Ranking asks whether the build contract reaches a stage that is normally served by a dense model: reranking a candidate list. It does not compress or quantize such a model, it replaces the stage with a compiled artifact, so no dense vector or transformer inference runs in the hot path and scoring is exact integer work. One build produces the artifact, no seeding is involved, and the same query returns the same ordering on every architecture that opens it. Figures are per dataset and per host. On SciFact, on an Intel i9, the artifact reaches 0.809 nDCG@10 at 14,059 queries per second, which is 593 microseconds per query. Additional datasets and benchmarks are set out in the paper.

Topics: Retrieval reranking, Search relevance, SciFact, Query latency, Deterministic ranking

Read the summary

ABMN-Relevance

Category
Lexical retrieval
Authors
Dweve
Draft date

Corpus-adaptive lexical retrieval compiled into one artifact, deterministic and identical across architectures without seeding.

Abstract: ABMN-Relevance asks whether the build contract reaches the retrieval stage itself, where the corpus rather than a training run decides what the deployed model contains. The index is compiled into one artifact rather than compressed or quantized, and retrieval over it is deterministic: no seeding is involved, and the same artifact replays the same ranking on every host and every architecture it is opened on. Against a tantivy BM25 baseline over the same collection it returns better ranked results and serves them faster, from a smaller index and a lower resident memory footprint. The measured numbers are held back until the paper publishes. What is claimed here is the contract, and that a lexical retrieval index can be held to it.

Topics: Lexical retrieval, Search indexing, MS MARCO, Index footprint, Replayable retrieval

Read the summary

ABMN-Tsetlin

Category
Logical learning
Authors
Dweve
Draft date

Reproducible binary model compilation carried beyond associative classification to a structurally different logical learner.

Abstract: ABMN-Tsetlin asks whether the build contract is a property of one model family or of the approach behind it. It takes a structurally different logical learner, trained by a different rule, and holds it to the same terms. The trained Tsetlin machine is compiled into one deployed artifact rather than compressed or quantized. Across five image and text tasks that artifact came out byte identical on every architecture, with no seeding involved, and replays the same decisions wherever it is opened. Results are recorded per dataset and per host. On MNIST, on an Intel i9, it reaches 97.61% accuracy from a 40.4 KiB artifact. The paper carries the remaining datasets and benchmark tables.

Topics: Tsetlin machines, Logical learning, MNIST, Image classification, Per-host evidence

Read the summary

These are working drafts. The repository does not establish a journal, conference, or peer-review outcome.

Grúpaíonn halgartaim de réir chineál sonraí

Líonraí Cuimhne Dénártha Oiriúnaitheacha

Míníonn na páipéir ABMN cur chuige amháin chun córais AI dhlútha, in-athdhéanta a thógáil. Tosaigh leis an bpáipéar teaghlaigh, ansin lean an tasc a bhfuil suim agat ann. Is dréachtaí oibre iad seo ó Iúil 2026, ní éilimh ar fhoilseachán piarmheasúnaithe. Tá siad ann chun a thaispeáint go bhfuil cinntitheacht iomlán indéanta agus go seasann sí thar chineálacha éagsúla tascanna, ní chun scóir arda a shaothrú. Foilsítear na stórtha leis na páipéir.

Leagann sé pháipéar oibre ABMN amach conradh an teaghlaigh, struchtúir chuimhne a bhaineann go sonrach le tasc, torthaí tomhaiste, agus teorainneacha luaite. Scarann an clár fianaise dhréachta ó aon éileamh ar ghlacadh seachtrach. Is é an cuspóir a thaispeáint go bhfuil cinntitheacht iomlán indéanta agus go ngintear trasna cineálacha tascanna, seachas torthaí ceannródaíocha a éileamh. Foilsítear na stórtha leis na páipéir.

Déanann na sé dhréacht ó Iúil 2026 cur síos ar chonradh teaghlaigh ABMN, ceithre shonrú faoi úinéireacht tasc agus tástáil ghinearálaithe amháin a chuireann an conradh tógála céanna i bhfeidhm ar fhoghlaimeoir loighciúil. Iompraíonn gach taifead an achoimre, an t-imlíne alt, na tomhais agus na teorainneacha luaite. Tá an tacar ann chun a chruthú go bhfuil cinntitheacht iomlán indéanta agus go ngintear trasna cineálacha tascanna, gan an obair dhílseánaigh taobh thiar de a nochtadh. Foilsítear na stórtha leis na páipéir.

Tugann gach cárta duit an cheist, an t-ábhar, agus achoimre ar an bpáipéar. Fanann na teidil díreach mar a fheictear iad sna páipéir fhoinse. Tá sé cinn ann, ar fad dátaithe Iúil 2026. Tá an dréacht iomlán le hathbhreithneoirí seachtracha, mar sin iarr é tríd an bhfoirm teagmhála agus scaoilfimid é nuair a cheadaímid an t-iarratas.

Úsáid an tseilf seo mar chlár athbhreithnithe. Tá an tacar oibre ABMN reatha iomlán ann agus ní mheascann sé bróisiúir táirge ná páipéir earnála gan tacaíocht. Iompraíonn sé theideal dáta dréachta amháin agus dhá údar ainmnithe, ionas gur féidir le hathbhreithniú tosú ón gclár seachas ó chuardach. Scaoiltear na dréachtaí féin ar iarratas.

Sainmhíníonn an páipéar teaghlaigh an conradh roinnte. Déanann ceithre pháipéar chompánacha é a shonrú do NER, aicmiú, ath-rangú, agus aisghabháil fhoclóireachta, agus fiafraíonn séú ceann an bhfuil an conradh tógála céanna fíor d'fhoghlaimeoir atá difriúil go struchtúrach. Iompraíonn na sé cinn an dáta dréachta céanna. Fanann an achoimre poiblí; scaoiltear an dréacht ar iarratas.

Páipéar teaghlaigh amháin, ceithre pháipéar tasc, tástáil ghinearálaithe amháin

Iompraíonn na sé dhoiciméad foinse an dáta seo

Ní gá duit na sé cinn a léamh. Soláthraíonn an páipéar teaghlaigh an léarscáil, taispeánann na páipéir tasc conas a athraíonn an patrún céanna d'ainmneacha, lipéid agus cuardach, agus fiafraíonn an ceann deireanach an maireann an patrún le foghlaimeoir de chineál difriúil. Ritheann an t-ord thíos ón gconradh go dtí na tascanna agus ansin go dtí aisghabháil, ach is moladh é seachas rangú, agus seasann aon pháipéar amháin leis féin. Má léann tú ceann amháin, léigh an páipéar teaghlaigh, toisc go nglacann an chuid eile leis an gcruth a chuireann sé síos air.

Déan athbhreithniú ar an gconradh teaghlaigh sula ndéanann tú comparáid idir torthaí na dtascanna. Coscann sé go ndéanfaí tagarmharc a mheas mar ráthaíocht ar fud an chórais. Ritheann an seicheamh ón gconradh teaghlaigh go dtí na páipéir tasc, ansin go dtí an dá pháipéar aisghabhála, agus ar deireadh go dtí an tástáil ghinearálaithe. Is treoir eagarthóireachta é seachas rangú aibíochta, agus is féidir aon cheann den sé cinn a léamh leis féin nuair a thuigtear an conradh.

Léigh an sainmhíniú teaghlaigh ar dtús, ansin déan comparáid idir an chaoi a bhfuil a chuimhne féin, a theorainn tógála féin agus a leabhar fianaise féin ag gach tasc. Ritheann an seicheamh conradh, páipéir tasc, páipéir aisghabhála, tástáil ghinearálaithe. Ordaíonn sé an léitheoireacht, ní an aibíocht, agus luann gach páipéar an raon feidhme a chlúdaíonn a thomhais féin. Is é páipéar an teaghlaigh an t-aon cheann a bhfuil na cinn eile ag brath air, mar sin is é an ceann é le léamh ar dtús má léann tú ceann amháin.

Sainmhínithe, céimeanna tógála, agus ceithre eagraíocht chuimhne

Athrangú droichead agus innéacsú oiriúnaitheach corpas

Is treoir eagarthóireachta an seicheamh, ní rangú aibíochta.

Féach conas a oireann na sé pháipéar le chéile sula roghnaíonn tú tasc.

Lean córas dlúth a aimsíonn ainmneacha agus áiteanna le díchódú struchtúrtha beacht.

Féach conas is féidir le haicmitheoir téacs a bheith ina thógáil dhénártha in-atáirgthe.

Déan iniúchadh ar athrangú cuardaigh gan mhúnla dlúth i gcosán na ceiste.

Déan iniúchadh ar aisghabháil léacsach le scóráil chinntitheach.

Bunaigh an conradh comhroinnte teaghlaigh mhúnla agus a theorainneacha fianaise.

Déan athbhreithniú ar cháilíocht thuairiscithe, lorg, tréchur, agus teorainneacha NER le chéile.

Déan athbhreithniú ar an éileamh ar chéannacht thuar tras-ailtireachta.

Déan athbhreithniú ar an gcosán athrangaithe cuimhne droichead tomhaiste ar SciFact agus NF-Corpus.

Déan athbhreithniú ar an gcosán freastail oiriúnaithigh corpas agus a thomhais MS MARCO.

Sainmhínigh foghlaim, stiall, forghníomhú, agus na ceithre eagraíocht chuimhne atá faoi úinéireacht tasc.

Rianaigh lipéadú seichimh ó thógáil amháin go díchódú beacht.

Rianaigh aicmiú téacs go hartfacsáin chomhionanna beart ar bheart ar fud ARM agus x86.

Rianaigh adamh scáinte clóscríofa isteach i dtáblaí droichead tiomsaithe agus athrangú slánuimhir.

Rianaigh aisghabháil léacsach ó thógáil corpas go torthaí top-k cinntitheacha.

Tá gluaiseacht bhunúsach i gcoiteann ag na páipéir: ullmhaíonn an fhoghlaim cuimhne tasc dhlúth, baintear staid atá ann ach le linn tógála, agus úsáideann nós imeachta seasta an toradh. Clúdaíonn ceithre ábhar páipéar an teaghlaigh agus na páipéir tasc, agus baineann gach ceann acu le hábhar amháin go díreach. Tá an tástáil ghinearálaithe ina suí ina dteannta, ag fiafraí an n-oibríonn an ghluaiseacht chéanna ar chineál éagsúil foghlaimeora.

Is é an conradh comhroinnte an pointe comparáide. Fanann cáilíocht agus uimhreacha córais a bhaineann go sonrach le tasc áitiúil don pháipéar agus don mheastóireacht a thuairiscíonn iad. Clúdaíonn ceithre ábhar conradh an teaghlaigh agus na páipéir tasc, agus suíonn gach ceann acu faoi ábhar amháin go díreach. Tuairiscítear an tástáil ghinearálaithe ar leithligh, mar go ndéanann sí tástáil ar an gconradh seachas ar thasc.

Fanann conradh an teaghlaigh cobhsaí agus seoladh, rialacha nuashonraithe agus díchódú ag athrú de réir tasc. Coinníonn an léarscáil ábhair na suiteálacha sin scartha, le ceithre ábhar agus go díreach ábhar amháin in aghaidh an pháipéir tasc. Iompraíonn an tástáil ghinearálaithe an conradh go dtí foghlaimeoir atá difriúil go struchtúrach agus tuairiscíonn sí a fianaise in aghaidh an óstaigh.

Aithint aonán ainmnithe le díchódú struchtúrtha beacht

Artfacsán tiomsaithe amháin, comhionann ar gach ailtireacht

Is féidir leat a léamh cad a éilíonn gach páipéar agus conas a tástáladh é, agus an dréacht taobh thiar de a iarraidh. Ní chiallaíonn ceachtar acu gur ghlac iris, comhdháil, nó athbhreithneoir neamhspleách leis an obair.

Caith leis na dréachtaí mar ionchuir athbhreithnithe. Éilíonn glacadh seachtrach, macasamhlú neamhspleách, agus dearbhú táirgeachta a bhfianaise féin agus ní dhearbhaítear iad anseo.

Cuirtear modhanna agus tomhais i láthair sna dréachtaí foinse. Taistealaíonn a raon feidhme, a dtimpeallacht, a mbunlínte, agus a dteorainneacha le gach éileamh.

Is páipéir oibre iad na sé iontráil go léir dar dáta Iúil 2026.

Déanann an dáta cur síos ar an ngrianghraf dréachta, ní ar imeacht foilsitheoireachta.

Tá dréacht iomlán ag gach iontráil, agus scaoileann Dweve é arna iarraidh sin.

Tá na dréachtaí le hathbhreithneoirí seachtracha, mar sin níl aon rud foilsithe anseo. Fiafraigh tríd an bhfoirm teagmhála agus scaoilfimid an páipéar ar fhaomhadh.

Baineann torthaí tuairiscithe leis an tasc, an tacar sonraí, an chumraíocht, agus an timpeallacht a ainmnítear sa pháipéar.

Ní uasghrádaítear toradh i bpáipéar amháin go ráthaíocht ar fud an teaghlaigh.

Ní bhunaíonn an stór iris, comhdháil, ná toradh piar-athbhreithnithe do na dréachtaí seo.

Dá bhrí sin, úsáideann an leabharlann teanga na bpáipéar oibre ar fud.

Léigh modhanna agus teorainneacha le chéile

Ní shonrófar stádas foilsithe nó piar-athbhreithnithe ach amháin nuair a thacaíonn an stór leis.

Taispeánann an clár seo cá as a dtagann gach teideal agus conas an páipéar féin a fháil. Níl aon pháipéir bhreise i bhfolach taobh thiar d'ainmneacha margaíochta. Ainmníonn gach iontráil eolaire foinse amháin, agus is é an dréacht atá san eolaire sin an ceann a sheolaimid nuair a iarrann tú é.

Úsáid an clár chun a fhíorú go dtagraíonn iontráil na leabharlainne, an bealach sonraí, agus an dréacht a scaoilimid go léir don pháipéar oibre céanna. Ainmníonn gach teideal eolaire foinse údarásach amháin, ionas gur féidir éileamh ar an leathanach seo a rianú go dtí an doiciméad a thacaíonn leis.