新记忆旧计划：面向分布式 LLM-Agent 内存的依赖范围验证

arXiv:2609.03340v1 Announce Type: new Abstract: 分布式 LLM-agent 团队能够读取最新的共享事实，却仍可能基于过时的计划执行操作。某个 planner 可能根据需求 $r_3$ 推导出动作，另一个 agent 可能提交了 $r_4$，而 executor 可能收到 $r_4$ 却未替换基于 $r_3$ 制定的计划。我们将这种现象称为 \emph{stale-plan execution}：状态新鲜度并不能保证授权某个动作的计划仍然有效。我们提出 PlanFence，一种依赖范围限定的动作验证协议。计划引用其所使用的精确公开记录，executor 仅验证可能影响待执行外部动作的记录，在验证不完整时一次性重新规划或阻塞执行。在 30 个包含计划后修订的受控实时工作流中，仅采用新鲜度策略的 executor 在每个任务中都执行了过时计划，而 PlanFence 在所有任务中均未产生无效动作。受控重放实验揭示了两个条件边界：在低变更率（low churn）场景下，主动同步（proactive synchronization）产生的协调阻塞更低；而随着变更率增长，PlanFence 避免了重复更新路径的协调开销，并随着共享 keyspace 扩大而避免验证无关状态。这些是受控安全性与系统成本方面的结果，而非通用任务准确率的提升。