Un framework di AI produce un protocollo di consenso più veloce

Un agente di programmazione basato sull’AI può aiutare con i protocolli di consenso, nei quali una modifica che velocizza le richieste può anche complicare il recupero o compromettere la correttezza?

Il documento esamina se conoscenze specifiche del settore, una struttura per l’implementazione e controlli formali possano aiutare gli agenti a produrre un protocollo pratico affrontando insieme queste esigenze.

AI-greement fornisce agli agenti di programmazione conoscenze sul consenso, una struttura riutilizzabile per l’implementazione e supporto per verificare protocolli candidati con Lean.

Con AI-greement, un agente di programmazione ha prodotto A-greement, che i ricercatori hanno confrontato con quattro protocolli di consenso misurando la latenza di completamento delle richieste su vari carichi di lavoro, numeri di repliche e configurazioni di rete.

In sei deployment con 5 o 9 repliche, A-greement ha avuto una latenza media inferiore a quella dell’alternativa con la media più bassa nei carichi di lavoro con il 50% e il 5% di scritture.

I confronti hanno usato lo stesso carico di lavoro e lo stesso deployment per ciascun protocollo, sostenendo l’esistenza di una differenza di prestazioni in quelle condizioni. Con il 50% di scritture, la latenza p99 di A-greement è stata superiore a quella di SwiftPaxos.

Le latenze medie riportate nel titolo coprono sei deployment con 5 o 9 repliche ed escludono quelli con 13 e 17 repliche, nei quali alcune configurazioni di riferimento erano sature.

La prova in Lean stabilisce la sicurezza del modello codificato; i ricercatori devono verificare che corrisponda al protocollo e all’implementazione previsti.