🕷️
SetupAI
EN
📄較早收集於 3h

LDP：多代理 LLM 系統的身份感知協議

LDP：多代理 LLM 系統的身份感知協議
PostLinkedIn
📄閱讀原文： ArXiv AI
#multi-agent#delegation-protocol#llm-efficiencyldp-(llm-delegate-protocol)ldpjamjetollamaa2a

💡新協議經身份感知將多代理 LLM 延遲降 12 倍、權重減 37%（68字）

⚡ 30-Second TL;DR

有什麼變化

豐富代理身份卡揭露模型身份、推理特徵及品質提示

為什麼重要

LDP 實現更高效、安全的多代理 LLM 委派，有助擴展複雜 AI 工作流程。彌補 A2A 等既有協議缺口，利於建構代理系統的開發者。

下一步行動

安裝 LDP JamJet 外掛，並以本地 Ollama 模型測試身份感知路由。

誰應關注：Researchers & Academics

關鍵要點

  • •豐富代理身份卡揭露模型身份、推理特徵及品質提示
  • •漸進式負載無品質損失下減少 37% 權重
  • •身份感知路由在簡單任務達 12 倍延遲降低
  • •受控會話於 10 輪減少 39% 權重開銷
  • •模擬顯示攻擊偵測 96% 對比基準 6%

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

🔑 增強重點摘要

  • •LDP 論文於 2026 年 3 月 9 日由 Sunil Prakash 上傳至 arXiv，包含 16 頁、9 圖、8 表及 4 附錄，提供完整協議規格與參考實作[1]。
  • •LDP 的漸進式負載模式定義 6 種模式，從 Mode 0 的純文字到 Mode 5 的快取片段，目前評估聚焦 Mode 0-1 以證明效率[2]。
  • •LDP 貢獻包括協議規格、JamJet 適配器參考實作，以及消融分析顯示身份元數據提升路由品質[2]。
📊 競品分析▸ Show
特徵LDPA2AACP
身份暴露第一類原語法（模型家族、推理剖面）[1]無[1]去中心化身份驗證[4]
負載模式漸進式 6 模式（Mode 0-5）[2]未詳述[1]語意層 JSON-LD[4]
安全性信任域、來源追蹤、攻擊偵測 96%[1]未詳述[1]零信任姿態[4]
基準延遲減 12x、權重減 37%[原文]未提供[1]延遲減 40%[4]
實作JamJet 外掛[1]-ACP-SDK（LangChain 等）[4]

🛠️ 技術深入

  • •協議機制：(1) 豐富代理身份卡包含模型家族、品質提示、推理剖面；(2) 漸進式負載模式（Mode 0: 文字、Mode 1: 語意框架 JSON、Mode 2: 嵌入提示、Mode 3: 語意圖、Mode 4: 潛在膠囊、Mode 5: 快取片段），具協商與降級；(3) 受控會話維持多輪持久上下文；(4) 結構化來源追蹤信心與驗證狀態；(5) 信任域協議級安全邊界[1][2]。
  • •實作：JamJet 協議適配器作為參考實作，支持上述五機制[1][2]。
  • •評估：消融研究驗證身份元數據與結構化負載改善路由與效率，模擬攻擊偵測 96% vs 基準 6%、故障恢復 100% vs 35%[1]。
  • •相依現代協議：A2A、MCP 缺乏模型級屬性暴露[1]。

🔮 前景展望AI analysis grounded in cited sources

LDP 將成為多代理 LLM 系統標準通訊協議
其 AI 原生設計暴露模型身份與協商機制，解決 A2A/MCP 限制，並有 JamJet 實作與實證優勢[1][2]。
Mode 2-5 將在模型 API 成熟後實現廣泛採用
論文定位這些高階語意模式為未來工作，目前聚焦 Mode 0-1 已證明效率，預期 API 進展將解鎖嵌入與膠囊傳輸[2]。
LDP 信任域將提升產業級代理安全性 5 倍以上
模擬顯示攻擊偵測達 96% 對比基準 6%，協議級邊界將標準化安全委託[1]。

⏳ 時間線

2026-03
LDP 論文發布於 arXiv（v1），介紹五機制協議與 JamJet 實作

📎 來源 (8)

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

  1. arXiv — 2603
  2. arXiv — 2603
  3. ietf.org — Draft Wang Lisp AI Agent 00
  4. arXiv — 2602
  5. arXiv — 2603
  6. arXiv — 2603
  7. dl.acm.org — 3378679
  8. arXiv — 2602
📄閱讀原文： ArXiv AI
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #multi-agent

同產品

更多關於 ldp-(llm-delegate-protocol)

同來源

最新來自 ArXiv AI

教會 AI Agent 何時主動取得上下文

教會 AI Agent 何時主動取得上下文

ArXiv AI•Aug 21

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。