Naukowcy z arXiv opublikowali badanie dotyczące tego jak agenty AI powinny wznowić swoje działania gdy zmieniają się ich uprawnienia dostępu a wynik zewnętrzny pozostaje niepewny. Zespół izolował problemy decyzji odzyskiwania od zachowania modelu języka, definiując cztery odrębne obowiązki: punkt kontrolny stanu, uprawnienie do wysłania żądania, dowód efektu zewnętrznego i uprawnienie do uzgodnienia wyniku.
Badacze przeprowadzili testy na 336 historii scenariuszy używając natywnych hostów LangGraph i Temporal, testując 14 różnych harmonogramów, trzy kontrakty usługodawcy i cztery policy aplikacji. Wszystkie 168 sparowanych komórek hostów zwróciły identyczne sprawdzone rezultaty. Strategie ponowienia próby wypadły różnie - retention ledger reconciliation przeszła wszystkie 42 historii, cached retry osiągnęło 30 z 42, rewalidacja przed retry 36 z 42 a stable-key retry 31 z 42 scenariuszy. Zespół także testował InfinityOS - platformę dla enterprise'ów opracowywaną przez Arya.ai - gdzie przeprowadzili 16 testów komponentów.
Badanie ma istotne znaczenie dla bezpieczeństwa systemów AI działających w produkcji bo pokazuje jak właściwie obsługiwać sytuacje gdy agent traci uprawnienia w trakcie wykonywania zadania. Wyniki izolują role aktualnych uprawnień, kontraktów usługodawcy i zachowanych obserwacji w procesie odzyskiwania, raportując osobno kwestie bezpieczeństwa, ukończenia zadań i nierozwiązanych zobowiązań dla deklarowanego profilu aplikacji.