S-Bus：面向多智能体LLM状态协调的自动读集重构

Hugging Face Daily Papers 论文
multi-agent llm-agents consistency race-conditions state-coordination middleware formal-verification

摘要

介绍S-Bus，一种HTTP中间件，利用DeliveryLog机制自动重构读集并实施可观察读隔离（Observable-Read Isolation）一致性，防止多智能体LLM协调中的结构性竞争条件。

并发LLM智能体共享可变自然语言状态会产生结构性竞争条件（SRC）：写-写冲突和跨分片陈旧读冲突，这些冲突会静默破坏智能体输出。现有的多智能体框架（LangGraph、CrewAI、AutoGen）缺乏对共享状态的写所有权语义。 我们提出S-Bus，一种HTTP中间件，其核心机制是服务器端的DeliveryLog：每个智能体的HTTP GET操作日志，在提交时自动重构各智能体的读集，且无需在HTTP/1.1下修改智能体SDK。DeliveryLog提供的一致性属性——可观察读隔离（ORI），一种针对读集的HTTP可观察投影的部分因果一致性——可防止智能体通过共享分片协作时的结构性竞争条件。 三项贡献：（C1）基于HTTP流量的自动读集重构的DeliveryLog机制，附带三层机械化证据：在TLAPS中机器检查的ReadSetSoundness和ORICommitSafety（保留一个类型公理）；在N=3下穷举TLC（20,763,484个不同状态，零违规）；Dafny验证了9个归纳正确性引理。（C2）与PostgreSQL 17 SERIALIZABLE和Redis 7 WATCH/MULTI在共享分片竞争扫描中的实证结构性冲突预防对等性，涉及427,308个活跃HTTP-409冲突：三个后端均无I类损坏。（C3）ORI的运行边界依赖于拓扑：在专用分片工作负载中语义中立；在单分片协作写入中有害，因为保存会传播并发矛盾。 源代码：https://github.com/sajjadanwar0/sbus
查看原文
查看缓存全文

缓存时间: 2026/05/21 06:12

论文页面 - S-Bus：用于多智能体LLM状态协调的自动读集重建

来源：https://huggingface.co/papers/2605.17076

摘要

通过 S-Bus 中间件可防止并发 LLM 智能体中的结构性竞态条件，该中间件使用 DeliveryLog 机制重建读集并强制执行可观测读隔离一致性。

共享可变自然语言状态的并发 LLM 智能体（https://huggingface.co/papers?q=Concurrent%20LLM%20agents）会产生结构性竞态条件（https://huggingface.co/papers?q=Structural%20Race%20Conditions）（SRC）：写-写冲突和跨分片陈旧读冲突（https://huggingface.co/papers?q=stale-read%20conflicts），这些冲突会悄然污染智能体输出。现有的多智能体框架（LangGraph、CrewAI、AutoGen）对共享状态不提供任何写所有权语义。我们提出 S-Bus，一种 HTTP 中间件（https://huggingface.co/papers?q=HTTP%20middleware），其核心机制是服务端 DeliveryLog（https://huggingface.co/papers?q=DeliveryLog）：一个按智能体记录的 HTTP GET 操作日志，可在提交时自动重建每个智能体的读集，无需在 HTTP/1.1 下修改智能体 SDK。该 DeliveryLog（https://huggingface.co/papers?q=DeliveryLog）提供的一致性属性——可观测读隔离（https://huggingface.co/papers?q=Observable-Read%20Isolation）（ORI（https://huggingface.co/papers?q=ORI）），一种对读集的 HTTP 可观测投影上的部分因果一致性（https://huggingface.co/papers?q=causal%20consistency）——可在智能体通过共享分片（https://huggingface.co/papers?q=shared%20shards）协作时防止结构性竞态条件（https://huggingface.co/papers?q=structural%20race%20conditions）。三个贡献：（C1）基于自动 HTTP 流量读集重建（https://huggingface.co/papers?q=read-set%20reconstruction）的 DeliveryLog（https://huggingface.co/papers?q=DeliveryLog）机制，附带三层机械化证据：在 TLAPS（https://huggingface.co/papers?q=TLAPS）中机器检验的 ReadSet 正确性和 ORI（https://huggingface.co/papers?q=ORI）提交安全性（保留一个类型公理）；在 N=3 下穷举的 TLC（https://huggingface.co/papers?q=TLC）检验（20,763,484 个不同状态，零违反）；Dafny（https://huggingface.co/papers?q=Dafny）处理 9 条归纳正确性引理。（C2）在共享分片竞争扫描中，与 PostgreSQL 17 SERIALIZABLE 和 Redis 7 WATCH/MULTI 的结构性冲突预防效果等同，涉及 427,308 个活跃 HTTP-409 冲突：三种后端均无类型 I 损坏。（C3）ORI（https://huggingface.co/papers?q=ORI）的运行范围依赖拓扑条件：在专用分片工作负载中语义中性；在单分片协作写入中有害，因为保留操作会传播并发矛盾。源代码：https://github.com/sajjadanwar0/sbus

查看 arXiv 页面（https://arxiv.org/abs/2605.17076）查看 PDF（https://arxiv.org/pdf/2605.17076）GitHub0（https://github.com/sajjadanwar0/sbus）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.17076）

在你的智能体中获取此论文：

hf papers read 2605.17076

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型与此论文关联

在模型 README.md 中引用 arxiv.org/abs/2605.17076 即可链接到此页面。

引用此论文的数据集0

没有数据集与此论文关联

在数据集 README.md 中引用 arxiv.org/abs/2605.17076 即可链接到此页面。

引用此论文的 Space0

没有 Space 与此论文关联

在 Space README.md 中引用 arxiv.org/abs/2605.17076 即可链接到此页面。

包含此论文的收藏1

相似文章

迈向可安全审计的大模型智能体：一种统一的图表示方法

arXiv cs.AI

本文提出了 Agent-BOM，一种用于基于大语言模型（LLM）的智能体系统进行安全审计的统一图表示方法。它通过建模静态能力和动态运行时状态，解决了事后审计中的语义鸿沟问题，能够检测记忆投毒和工具误用等复杂的攻击链。

Agent Bazaar：在多智能体市场中实现经济对齐

Hugging Face Daily Papers

介绍Agent Bazaar，一个用于评估LLMs经济对齐的多智能体模拟框架，识别出算法不稳定性和Sybil欺骗等失败模式，并通过针对性强化学习训练出一个超越前沿模型的9B模型。

多智能体大语言模型系统中并发异常的验证检测与预防

arXiv cs.LG

本文形式化了多智能体LLM系统中的四种并发异常，机械验证了一个一致性层次结构，并提供了带有有界预防成本的经过验证的Rust运行时，包括对字节跳动deer-flow的修复以及LangGraph中的工具效应重排序的修复。