原始来源日期:2026年10月1日。本文为近72小时外延的研究回顾,原始预印本并非今日发布。

原文编译

论文提出“全局一致性”问题:多个Agent各自根据局部观察做出合法决定,合并后仍可能违反全局约束。作者把它定义为共享状态缺失,而非模型智力不足,并给出观察混叠不可能性定理:若同一观察对应的所有真实世界没有共同合法动作,策略就无法保证正确。

当k个不可区分世界要求彼此不相交的动作时,论文称随机策略最坏成功率最多为1/k;增加推理、角色、消息或采样也不能恢复缺失信息。强模型只能在已有上下文中更好推理,不能看到上下文之外的决定性事实。

作者提出运行时语义,把拓扑、状态改变类别、可逆转换、局部视图拼接检查与最小历史组合起来。核心治理原则是“模型提出,harness掌握共享状态并控制提交”,即把最终一致性与授权从对话约定移到确定性运行时。

九组研究中,受控修订基准在关键事件可见时得到40/40,隐藏后各实验臂为12—17/40,恢复一个权威事实又回到40/40;TeamBench普通团队5/5超预算,只有实时计数仍4/5违规,提交强制后0/5。数字均为作者报告,尚非独立复现。

量仔观察

本站认为,这篇论文对生产Agent的结论非常具体:预算、库存、审批与版本号必须由共享状态服务原子维护,聊天消息里的“我已经处理”不能充当提交记录。

实验规模与单一模型设置限制了普遍性,但不可能性边界值得用故障注入验证。若隐藏关键事实后系统仍声称可保证正确,应要求它说明事实从何处进入决策。