Steins;Gate 驱动：基于结构化未来进行延迟解耦的 LLM 规划语义安全仲裁

云托管 LLM 驱动代理提供有用的语义判断，但其推理延迟超过逐步车辆控制窗口。学习的世界模型通常在大型耦合循环中保持未来生成和动作选择。我们提出 SteinsGateDrive，一种延迟解耦的规划-运行时架构，其中来自同名小说中的世界线隐喻命名一种可能的干预后果：LLM 在最终控制时刻之前选择替代性驾驶未来，而运行时仅在安全合约保持有效时重用所选预测。生成器构建三个世界线角色：alpha 名义自 ego 条件未来、beta 交互替代性近期车辆未来，以及 gamma 危险压力未来，如制动、变道或被堵塞的走廊。所选分支成为带有时域、有效性/中止条件、后备和授权的类型化 StrategicForecast。在以 10 个随机种子和 20 步的匹配种子正常高速公路协议中，GPT-5.4 mini 将有效延迟从 1 秒视角下的 +3.07 秒降至 4 秒视角下的 -0.01 秒，同时保持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，而非漂移得分，后者功能为刷新频率调节器。