Исследователи предложили протокол PlanFence против устаревших планов у распределённых ИИ-агентов

Распределённые команды на основе больших языковых моделей могут читать актуальные общие факты и при этом продолжать выполнять устаревший план. Этот сценарий, названный в исследовании stale-plan execution, создаёт риск внешнего действия, которое не соответствует текущей версии данных.

Проблема возникает на стыке ролей в мультиагентной системе. Планировщик выводит действие на основании одного требования, другой агент в это время добавляет новое требование, а исполнитель получает обновление, но не заменяет прежний план. Наличие свежих данных само по себе не гарантирует, что план, разрешивший действие, остаётся корректным.

Решение, описанное в препринте arXiv 2609.03340, получило название PlanFence. Это протокол валидации действий, ограниченной зависимостями. План указывает конкретные публичные записи, которые использовались при его создании. Исполнитель проверяет только те записи, которые могут повлиять на готовящееся внешнее действие, и при необходимости перепланирует действие или блокирует его, если проверка не завершена.

Авторы провели контролируемые испытания на 30 живых рабочих процессах с внесением изменений уже после построения плана. Исполнитель, ориентирующийся только на свежесть данных, во всех задачах действовал по устаревшему плану. PlanFence, напротив, завершил все задачи без невалидного действия.

Дополнительные контрольные испытания выявили границы применимости подхода. При низкой частоте изменений проактивная синхронизация обеспечивает меньшие координационные задержки. По мере роста числа изменений PlanFence позволяет избегать повторной координации вдоль путей обновления, а при расширении общего пространства ключей не тратит ресурсы на проверку несвязанного состояния.

Разработчики подчёркивают, что речь идёт о контролируемых показателях безопасности и системных издержках, а не об универсальном повышении точности задач. Тем не менее предложенная схема может стать основой для создания более предсказуемых мультиагентных сред, где важна проверяемость решений перед реальными действиями.