자율 지능형 시스템을 위한 증분 일관성 실행
Incremental Consistency Execution for Autonomous Intelligent Systems
장기적(Long-horizon) 자율 지능형 시스템은 대규모 언어 모델(LLM), 데이터베이스, 외부 API, 규칙 엔진과 같은 이종 컴포넌트에 의존하며, 실행 중 외부 상태가 지속적으로 변화합니다. 모든 변화마다 전체 워크플로우를 재실행하는 것은 상당한 중복 연산을 초래합니다. 본 논문에서는 태스크 팩트 계약(task fact contracts), 필드 수준 의존성 마스크(field-level dependency masks), 상태 섭동 결과 불변 영역(state perturbation result invariant domains)에 기반한 증분 일관성 실행(incremental consistency execution) 방법을 제안합니다. 초기 검증 실행 후, 시스템은 핵심 입력에 대한 보수적인 불변 영역을 구축하고 이를 활용하여 비용이 큰 컴포넌트를 다시 호출하지 않고도 다운스트림 결과를 안전하게 갱신할 수 있는지 판단합니다. 재실행이 필요한 경우 영향을 받는 최소한의 출력 필드만 재계산되며, 동등성 장벽(equivalence barrier)이 불필요한 다운스트림 전파를 방지합니다. 또한 제출 시점 버전 일관성 게이트(version consistency gate)를 통해 부작용(side-effect)을 유발하는 작업의 안전성을 추가로 보장합니다. 산업 결함 진단, 엔터프라이즈 분석, LLM 기반 멀티 툴 어시스턴트에 대한 실험 결과, 제안된 방법은 높은 일관성을 유지하고 낮은 오재사용률을 보이면서 비용이 큰 컴포넌트 호출과 엔드투엔드(end-to-end) 지연 시간을 크게 줄이는 것으로 나타났습니다.