StateFuse：多智能体系统确定性冲突保留内存

背景

多智能体系统在运行过程中，由于分支、重试、副本等机制，不同智能体会积累相互冲突的观测结果。然而，当前大多数实际使用的记忆层仍然采用简单的覆盖写入规则来消除歧义，导致不一致被隐藏，难以审查或修正。这种“塌缩式”记忆虽然简化了状态管理，却牺牲了透明度和可审计性。例如，在复杂任务链中，智能体可能基于已丢失的冲突信息做出错误决策，而事后无法追溯。为此，需要一种既能保留冲突、又能提供确定性访问控制的内存契约。

核心内容

StateFuse 是一种基于标准 OpSet/CRDT 合并机制构建的、支持冲突感知的复制内存契约。其核心设计不引入新的合并代数，而是定义了一个面向智能体的语义层，具有以下特性：

• 不可变历史：所有写入操作都追加到不可变日志中，不覆盖已有记录。
• 显式冲突对象：当合并检测到冲突（如同一逻辑位置的不同值）时，系统显式创建冲突对象，而非自动选择某个值。
• 精确与语义修正句柄：用户可以通过精确标识符（claim_id）或语义引用（claim_ref）来修正特定冲突记录，无需重写整个状态。
• 确定性谓词契约：允许用户定义谓词逻辑，在投影（查询）阶段根据规则解析冲突，而解析过程本身不会修改底层复制状态。

研究人员将 StateFuse 与四种基线方法进行了对比：扁平多值存储、原始日志、溯源风格存储以及塌缩式存储。所有方法在相同的解析器与验证策略下执行。在一个包含 282 个问题的官方冲突数据集 MemoryAgentBench 切片上，各方法在答案准确率上持平，但冲突保留型内存（包括 StateFuse）能够保持矛盾可见，而塌缩型内存则完全遮蔽了不一致。在受控智能体循环中，统一验证机制下，保留歧义比早期塌缩更有利于安全的弃权与修正。针对修正句柄的消融实验进一步表明：当无法获取精确的先前标识符时，语义句柄尤为重要。

论文结论十分审慎：StateFuse 最适合作为更安全的公共内存契约，用于矛盾暴露、弃权决策和可审计修正，而非通用性的准确率提升手段。

关键要点

• StateFuse 基于标准 CRDT（OpSet 合并）构建，不发明新代数，重在智能体层面的语义封装。
• 核心机制包括：不可变历史、显式冲突对象、双重修正句柄（claim_id/claim_ref）、确定性谓词契约、投影时解析（不修改复制状态）。
• 在 MemoryAgentBench 冲突数据集上，冲突保留型与塌缩型在最终答案准确率上无显著差异，但前者保留了矛盾可见性，使得安全弃权与可审计修正成为可能。
• 修正句柄消融实验证实：当缺少精确 ID 时，语义引用（claim_ref）仍能有效定位和修正冲突。
• 论文明确声明 StateFuse 不是通用准确率提升工具，而是为需要透明、可审计记忆的多智能体系统提供一种更安全的冲突暴露机制。

意义与影响

StateFuse 的意义在于正视了多智能体系统中冲突的普遍性与必要性，避免用简单覆盖来消除不确定性。它提供了一种可工程化实现的路径：在已有的 CRDT 复制层之上，增加面向智能体的语义层，使得系统能够在保留所有历史分歧的同时，仍能做出确定性决策。这对于安全关键型应用（如自主驾驶、医疗诊断、金融交易中的多智能体协作）尤为重要——可以支持智能体在信息矛盾时主动弃权，并提供完整的审计线索。此外，claim_ref 语义句柄的设计降低了修正时对精确标识符的依赖，提升了实用性。虽然当前工作并不追求准确率提升，但它为后续研究如何利用冲突信息提升推理鲁棒性提供了基础框架。未来可探索将冲突暴露作为强化学习或辩论机制的一部分。