Auditing Action Settlement in LLM Agent Environments: Order, Progress, and Replay
作者: Haotian Chen, Bowen Ye, Yuning Zhang, Jingkun Yu
分类: cs.AI
发布日期: 2026-10-01
备注: 5 pages, 2 figures
💡 一句话要点
提出类型快照结算合约以解决LLM代理环境中的并发行动仲裁问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 并发行动 仲裁机制 快照结算合约 执行效率 多代理系统
📋 核心要点
- 在LLM代理环境中，现有方法在处理并发行动时缺乏有效的仲裁机制，导致执行效率低下。
- 本文提出了一种类型快照结算合约，通过审计顺序敏感性、有用进展和重放一致性来优化并发行动的处理。
- 实验结果显示，随机票据策略在六代理任务中完成率高达90.28%，相比保守拒绝策略提升了59.03个百分点。
📝 摘要（中文）
在大型语言模型（LLM）代理环境中，即使每个提议单独有效，仍需对并发行动进行仲裁。本文实现了一种类型快照结算合约，并审计了三种不同的属性：顺序敏感性、有用进展和重放一致性。在28800次穷举排列试验和2160个脚本化多步骤实验中测试了五种结算策略。结果表明，联合策略在固定优先级条件下具有空间顺序不变性，但保守拒绝策略在六代理的门口任务中仅完成31.25%的代理，而随机票据则为90.28%；两者的提升幅度为59.03个百分点（95%自助法区间：50.00-68.06）。所有策略均保持了测试的空间约束，而优先仲裁仍然未能达到独立小实例的最优解。独立的全状态日志审计精确重放了156个检查点，并拒绝了1332个构造的腐败实例，保留了终端锚点。证据涉及执行语义，而非人类现实或长期公平性。
🔬 方法详解
问题定义：本文旨在解决大型语言模型代理环境中并发行动的仲裁问题。现有方法在处理多个有效提议时，缺乏有效的顺序和优先级管理，导致执行效率低下。
核心思路：论文提出了一种类型快照结算合约，通过审计并优化顺序敏感性、有用进展和重放一致性，以提高并发行动的执行效率。
技术框架：整体架构包括三个主要模块：1) 类型快照结算合约的实现；2) 三种属性的审计机制；3) 五种结算策略的测试与比较。
关键创新：最重要的技术创新在于提出了类型快照结算合约，并通过系统的审计机制评估并优化了并发行动的执行效果，与现有方法相比，显著提升了执行效率和可靠性。
关键设计：在实验中，采用了28800次穷举排列试验和2160个脚本化多步骤实验，设置了固定优先级和空间约束，以确保策略的有效性和一致性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，随机票据策略在六代理任务中的完成率为90.28%，而保守拒绝策略仅为31.25%，两者之间的提升幅度达59.03个百分点，表明新提出的结算合约在处理并发行动时具有显著优势。
🎯 应用场景
该研究的潜在应用领域包括多代理系统、智能合约和自动化决策支持系统。通过优化并发行动的仲裁机制，可以提高系统的整体效率和可靠性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Concurrent actions in large language model (LLM) agent environments require arbitration even when each proposal is individually valid. We implement a typed snapshot-settlement contract and audit three distinct properties: order sensitivity, useful progress, and replay consistency. Five settlement policies are tested in 28,800 exhaustive permutation trials and 2,160 scripted multistep episodes. Joint policies are spatially order-invariant conditional on fixed priorities, yet conservative rejection completes only 31.25% of agents in a six-agent doorway task versus 90.28% for random tickets; the paired improvement is 59.03 percentage points (95% bootstrap interval: 50.00-68.06). All policies preserve the tested spatial constraints, and priority arbitration still misses the independent small-instance optimum. A separate full-state journal audit exactly replays 156 checkpoints and rejects 1,332 constructed corruptions with a retained terminal anchor. The evidence concerns execution semantics, not human realism or long-run fairness.