Steins;Gate Drive：针对延迟解耦 LLM 规划的结构化期货的语义安全仲裁

云托管的 LLM 驱动程序代理提供有用的语义判断，但其推理延迟超过了逐步车辆控制窗口。学习的世界模型可以预测未来，但它们通常将未来的生成和行动选择保留在大型耦合循环内。我们提出了 SteinsGateDrive，一种延迟解耦的规划器运行时架构，其中来自同名故事的世界线隐喻命名了干预的一个合理后果：LLM 在最终控制时刻之前选择反事实驾驶未来，并且运行时仅在安全合同仍然有效时重用所选的预测。该生成器构建了三个世界线角色：阿尔法名义上的自我调节未来，附近车辆周围的贝塔互动反事实，以及伽马危险压力未来，例如制动、切入或堵塞走廊。选定的分支将成为具有范围、有效性/中止条件、后备和权限的类型化战略预测。在具有 10 个种子和 20 个步骤的受试者内匹配种子正常高速公路协议中，GPT-5.4 mini 将有效滞后从 1 秒水平的 +3.07 秒减少到 4 秒水平的 -0.01 秒，同时保留测量的无碰撞安全边界。该架构的安全贡献来自原子谓词运行时检查，而不是来自漂移分数，漂移分数充当刷新频率旋钮。