Branching Memory for AI Conversations, v5: The Node Is a Topic, Not a Reply (a direct revision to the six-layer v4 architecture) / Ветвящаяся память для диалогов с ИИ, v5: узел — это тема, а не реплика (прямая правка шестислойной архитектуры v4)

EN: A direct upgrade to the previously published architecture "Branching Memory for AIConversations" (v4): the graph's addressable unit is changed from a single question-answerexchange to a topic segment, accumulating a sequence of exchanges until a topic shift isdetected. On a simulated 500-message dialogue this yields a 6.6x reduction in the number ofstructural graph nodes (76 nodes instead of 500), with 84.8% of exchanges resolving to cheapappend operations instead of creating a new node with a full identifier set. The savings are brokendown into three independent sources: structural metadata overhead, embedding computation andstorage volume (an 84.8% reduction), and integrity-layer (pollinator) traversal load (a 6.7xreduction in edges to traverse). A separate counter, intra_depth, is introduced for a reply'sposition within a node, independent of depth (a topic-node's position in the graph). The paperexplicitly separates the resolved part of the problem (the aggregation unit) from the deliberatelyundisclosed part (the specific branch-detection mechanism), and does not claim the latter remainsunsolved — non-disclosure is stated as a deliberate decision, not a sign of incompleteness. Files are additionally protected via OpenTimestamps. ______________________________________________________________________________________ RU: Прямое обновление опубликованной ранее архитектуры «Ветвящаяся память длядиалогов с ИИ» (v4): единица адресации графа изменена с одной реплики «вопрос-ответ»на тематический сегмент, накапливающий последовательность реплик до моментаобнаружения смены темы. На симуляции диалога из 500 сообщений это даёт сокращениечисла структурных узлов графа в 6,6 раза (76 узлов вместо 500), при этом 84,8% обменовстановятся дешёвыми операциями дозаписи вместо создания нового узла с полнымнабором идентификаторов. Экономия разложена на три независимых источника:структурные метаданные, объём вычисления и хранения векторных эмбеддингов(сокращение на 84,8%) и нагрузка на слой проверки целостности (pollinator, сокращениеобхода графа в 6,7 раза). Введён отдельный счётчик intra_depth для позиции репликивнутри узла, независимый от depth (позиции узла-темы в графе). Работа явно отделяетрешённую часть (единица агрегации) от сознательно нераскрытой (конкретный механизмопределения точки ветвления) и не заявляет о нерешённости задачи — нераскрытиеназвано самостоятельным решением, а не признаком незавершённости. Файлы дополнительно защищены через OpenTimestamps.

Authors

Publication Details

Journal
Zenodo (CERN European Organization for Nuclear Research)
Published
2026-09-06
DOI
https://doi.org/10.5281/zenodo.22524734
Primary Topic
Graph Theory and Algorithms
Type
preprint
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
preprint

Branching Memory for AI Conversations, v5: The Node Is a Topic, Not a Reply (a direct revision to the six-layer v4 architecture) / Ветвящаяся память для диалогов с ИИ, v5: узел — это тема, а не реплика (прямая правка шестислойной архитектуры v4)

Konstantin (Kodimordax) Spirin
Zenodo (CERN European Organization for Nuclear Research)
Graph Theory and Algorithms
preprint

Branching Memory for AI Conversations, v5: The Node Is a Topic, Not a Reply (a direct revision to the six-layer v4 architecture) / Ветвящаяся память для диалогов с ИИ, v5: узел — это тема, а не реплика (прямая правка шестислойной архитектуры v4)

Konstantin (Kodimordax) Spirin
preprint en

Abstract

EN: A direct upgrade to the previously published architecture "Branching Memory for AIConversations" (v4): the graph's addressable unit is changed from a single question-answerexchange to a topic segment, accumulating a sequence of exchanges until a topic shift isdetected. On a simulated 500-message dialogue this yields a 6.6x reduction in the number ofstructural graph nodes (76 nodes instead of 500), with 84.8% of exchanges resolving to cheapappend operations instead of creating a new node with a full identifier set. The savings are brokendown into three independent sources: structural metadata overhead, embedding computation andstorage volume (an 84.8% reduction), and integrity-layer (pollinator) traversal load (a 6.7xreduction in edges to traverse). A separate counter, intra_depth, is introduced for a reply'sposition within a node, independent of depth (a topic-node's position in the graph). The paperexplicitly separates the resolved part of the problem (the aggregation unit) from the deliberatelyundisclosed part (the specific branch-detection mechanism), and does not claim the latter remainsunsolved — non-disclosure is stated as a deliberate decision, not a sign of incompleteness. Files are additionally protected via OpenTimestamps. ______________________________________________________________________________________ RU: Прямое обновление опубликованной ранее архитектуры «Ветвящаяся память длядиалогов с ИИ» (v4): единица адресации графа изменена с одной реплики «вопрос-ответ»на тематический сегмент, накапливающий последовательность реплик до моментаобнаружения смены темы. На симуляции диалога из 500 сообщений это даёт сокращениечисла структурных узлов графа в 6,6 раза (76 узлов вместо 500), при этом 84,8% обменовстановятся дешёвыми операциями дозаписи вместо создания нового узла с полнымнабором идентификаторов. Экономия разложена на три независимых источника:структурные метаданные, объём вычисления и хранения векторных эмбеддингов(сокращение на 84,8%) и нагрузка на слой проверки целостности (pollinator, сокращениеобхода графа в 6,7 раза). Введён отдельный счётчик intra_depth для позиции репликивнутри узла, независимый от depth (позиции узла-темы в графе). Работа явно отделяетрешённую часть (единица агрегации) от сознательно нераскрытой (конкретный механизмопределения точки ветвления) и не заявляет о нерешённости задачи — нераскрытиеназвано самостоятельным решением, а не признаком незавершённости. Файлы дополнительно защищены через OpenTimestamps.

Zenodo (CERN European Organization for Nuclear Research)
Graph Theory and Algorithms
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.