超越纠正后的记忆：多智能体系统中的执行一致性

共享记忆协调智能体的行动，但正确的记录并不能证明这些行动满足任务要求。记忆治理和故障诊断会规范或检查已记录的信息；但它们本身并不能证明这些信息是否足以判断任务义务是否得到履行。我们通过规范状态使用、信息交接和最终状态一致性的义务，并明确用于判断履行情况的证据条件，定义了执行一致性。我们的核心论断是：在相同任务规则下，完全相同的留存记录可能对应合规执行，也可能对应违规执行。受控移除回执、行动依赖关系或响应有效性等证据后，82.4%的相反标签对无法被区分；恢复这些证据后，97.9%的合并对可以被区分。自然日志标注能够识别实际执行中已定义的违规行为。然而，现有日志并不总是明确表示进行这些判断所需的执行关系。为评估该定义的实际价值，我们使用 CAVERT（一种一致性诊断与恢复框架）从日志中提取有支持的关系，并应用这些判据。在全部12种基准测试-执行器设置中，它的诊断表现始终优于由合约提示驱动的 LLM 和基于规则的基线。在相同的门控条件和执行器限制下，它在评估的全部四个环境中也优于规则引导的恢复方法。这些发现明确了智能体记忆和执行接口应当保留哪些执行证据，以实现可靠的判断。