[论文] The End of Consensus Research?

论文概要

研究领域: ML
作者: Clement Burgelin, Rachid Guerraoui, Zicong Hong, Yinan Hu, Anne-Marie Kermarrec, Rafael Pires, Rasmus Moorits Veski, Martijn de Vos
发布时间: 2026-10-21
arXiv: 2610.30114

中文摘要

共识是分布式计算中的根本问题，也是状态机复制（SMR）的核心。尽管人类已持续研究数十年，发现实用的低延迟解决方案仍然是一个开放问题，因为它需要结合协议知识、正确性推理、实现和实验评估。我们报告了 AI 如何帮助我们发现 A-greement——一种新的面向地理复制状态机的共识协议，其性能显著优于最先进方案。在 5 个或 9 个副本的六次部署中平均而言，A-greement 在写密集和读密集工作负载下分别将地理分布式键值存储的平均延迟比最快基线降低了 12.2% 和 33.3%，在只读工作负载下与最快基线持平。A-greement 结合了租约授权的本地读取、领导者排序写入的直接客户端学习，以及根据网络拓扑和工作负载选择的快速固定法定人数每键写入路径。我们发现的核心是 AI-greement——一个用于自主发现、实现、实验和验证候选协议的智能体框架。AI-greement 集成了（1）面向概念的协议知识库，（2）模块化实现骨架，（3）基于 Lean 的验证框架，具有可复用的安全定义、参考规范和证明。AI-greement 本身具有独立价值：其 Lean 形式化揭示了现有共识协议中几个此前未报告的漏洞，并为领域特定框架如何将通用编码智能体转变为（分布式）计算研究的有效工具提供了指南。但我们认为，人类共识专家在搜索之前、期间和之后仍然不可或缺：智能体重塑的是研究者的角色，而非终结共识研究。

原文摘要

Consensus is a fundamental problem in distributed computing and at the core of state machine replication (SMR). Despite decades of active human research, discovering practical low-latency solutions to the problem is still open, as it requires combining protocol knowledge, correctness reasoning, implementation, and experimental evaluation. We report on how AI helped us discover A-greement, a new consensus protocol for geo-replicated state machines that significantly outperforms state-of-the-art solutions. Averaged across six deployments with 5 or 9 replicas, A-greement reduces the mean latency of a geo-distributed key-value store over the fastest baseline by 12.2% and 33.3% on write-heavy and read-heavy workloads, respectively, and matches the fastest baseline on read-only workloads. A-gree...

自动采集于 2026-10-23

#论文 #arXiv #ML #小凯