Whitepaper
Die Architektur, vollständig begründet
Das Whitepaper legt das Design und seine Begründung dar: warum Vertrauen in maschinelles Gedächtnis belegt statt behauptet werden muss und wie jede Vertrauensaussage in Cogeto durch ein Artefakt gedeckt ist, das Sie einsehen können.
Das Argument
Die Gedächtnisschichten heutiger KI-Assistenten sind typischerweise undurchsichtige Sammelbecken: Sie erinnern sich, aber sie können nicht zeigen, was sie erinnern, warum sie es glauben, ob es noch stimmt, ob zwei ihrer eigenen Quellen einander widersprechen oder ob je wirklich etwas gelöscht wurde. Für Organisationen unter den Datenschutz- und KI-Regeln der Europäischen Union ist diese Undurchsichtigkeit disqualifizierend.
Die Antwort des Papiers ist eine Architektur, in der jede Vertrauensaussage durch ein einsehbares Artefakt gedeckt ist, und sein Schlussargument ist die Position, auf der dieses Produkt aufbaut: Verifizierbarkeit, nicht Kapazität, macht maschinelles Gedächtnis vertrauenswürdig.
Was das Papier behandelt
Atomare Fakten mit Herkunftsnachweis
Gedächtnis als diskrete, quellenverknüpfte Fakten: eine wörtliche Textstelle, ein verankertes Subjekt, ein expliziter Status, ein Gültigkeitszeitraum.
Verifikation vor dem Speichern
Jeder Kandidat wird von einem unabhängigen Durchgang gegen seine eigene zitierte Textstelle geprüft, bevor er zählt.
Das Unterdrückungsprotokoll
Nicht gestützte Kandidaten werden automatisch aufgelöst und in einem einsehbaren Protokoll erfasst, nicht zur Sichtung aufgestaut.
Korpusweiter Abgleich
Entitäten über Aliasse und Sprachen hinweg aufgelöst, Mengen arithmetisch verglichen, Urteile für Stabilität persistiert.
Ehrliches Retrieval
Fusionierte Suche mit Sichtbarkeit als Vorbedingung, Auffächerung bei Mehrdeutigkeit, und unbeantwortbare Fragen werden als unbeantwortet erklärt.
Belegbare Löschung
Ein Protokoll kompensierender Transaktionen, das in einer signierten, hash-verketteten Quittung endet, jede Nacht neu geprüft.
Das souveräne Gateway
Standardmäßig ein europäischer Anbieter, vollständig lokale Modelle wo nötig, sensible Entitäten vor jedem Aufruf pseudonymisiert.
Gemessene Genauigkeit
Die Evaluationsmethodik hinter den je Release veröffentlichten Genauigkeitswerten, einschließlich der wenig schmeichelhaften.
Zitieren
Golubic, I. (2026). Cogeto: A verifiable, sovereignty-first memory architecture for large language model assistants (v1). Zenodo. https://doi.org/10.5281/zenodo.21702858
DOI 10.5281/zenodo.21702858 · Veröffentlicht unter Creative Commons Attribution 4.0.