共识研究的终结？

共识是分布式计算中的一个基础问题，也是状态机复制（SMR）的核心。尽管人类已经开展了数十年的积极研究，要发现实用的低延迟解决方案仍是一个开放问题，因为这需要结合协议知识、正确性推理、实现和实验评估。我们报告了 AI 如何帮助我们发现 A-greement：一种面向地理复制状态机的新型共识协议，其性能显著优于现有最先进的解决方案。在 5 个或 9 个副本的六种部署配置中取平均值，A-greement 使地理分布式键值存储在写密集型和读密集型工作负载下的平均延迟分别比最快基线降低 12.2% 和 33.3%，并在只读工作负载下达到与最快基线相当的性能。A-greement 将租约授权的本地读取、面向领导者排序写入的客户端直接获知机制，以及快速的按键固定仲裁写入路径结合起来，并根据网络拓扑和工作负载进行选择。我们发现这一协议的核心是 AI-greement：一个用于“自主”发现、实现、实验和验证候选协议的智能体工具框架。AI-greement 集成了：（1）面向概念的协议知识库；（2）模块化实现骨架；以及（3）一个基于 Lean 的验证框架，其中包含可复用的安全性定义、参考规范和证明。AI-greement 本身也具有独立研究价值：其 Lean 形式化揭示了现有共识协议中若干此前未被报告的漏洞，并为如何利用领域专用工具框架将通用编码智能体转变为分布式计算研究的有效工具提供了指导。然而，我们认为，在搜索过程之前、期间和之后，人类共识专家仍不可或缺：智能体改变的是研究者的角色，而不是终结共识研究。