Deterministic Replay for AI Agent Systems

作者提出基于 event sourcing 的智能体重放架构，把模型 token、随机性、外部 API 返回值、工具结果与运行时状态变化全部记录为事件。论文在 GPT-5、Claude 4.5、Gemini 2.5 Pro 和 Grok 4 上报告 100% 重放准确率，额外延迟低于 0.1%。它把智能体调试从“尽量复现”推进到可审计的执行记录，但代价是必须完整捕获边界外的非确定性。