Fresh Memory, Stale Plans: Dependency-Scoped Validation for Distributed LLM-Agent Memory

论文概要

研究领域: AI/ML 作者: Evan Chen, Shiqiang Wang, Christopher G. Brinton 发布时间: 2026-09-06 arXiv: 2509.00004

中文摘要

分布式LLM智能体团队可以读取最新的共享事实，但仍会基于过时的计划执行动作。规划者可能从需求r₃推导出动作，另一个智能体可能提交了r₄，而执行者可能收到r₄却没有替换从r₃推导出的计划。我们将这种情况称为'过时计划执行'：状态的新鲜度并不能保证授权动作的计划仍然有效。我们引入了PlanFence，一种依赖范围的动作验证协议。计划引用它们使用的精确公共记录，执行者仅验证可能影响待执行外部动作的记录，在验证不完整时进行一次重新规划或阻塞。在30个受控实时工作流（含计划后修订）中，仅关注新鲜度的执行者在每个任务中都基于过时计划执行动作，而PlanFence完成了所有任务且没有无效动作。受控重放揭示了两个条件边界：主动同步在低变动率下产生更低的协调停滞，而PlanFence避免了随着变动率增长而重复更新路径协调，并避免了随着共享键空间增长而验证无关状态。这些是受控的安全性和系统成本结果，而非一般的任务准确性提升。

原文摘要

Distributed LLM-agent teams can read the latest shared facts and still act on an obsolete plan. A planner may derive an action from requirement r₃, another agent may commit r₄, and an executor may receive r₄ without replacing the plan derived from r₃. We call this stale-plan execution: state freshness does not establish that the plan authorizing an action remains valid. We introduce PlanFence, a dependency-scoped action-validation protocol. Plans cite the exact public records they used, and an executor validates only the records that can affect the pending external action, replanning once or blocking when validation is incomplete. In 30 controlled live workflows with a post-plan revision, a freshness-only executor acts on the obsolete plan in every task, whereas PlanFence completes all tas...

#论文 #arXiv #AI #小凯