该论文旨在解决人机协同(人机交互, human-in-the-loop)信息物理系统(Cyber-Physical Systems, CPS)中，由基础模型(如大语言模型, LLMs)驱动的智能体(agentic AI)所面临的非确定性(nondeterminism)挑战。研究背景是：由基础模型驱动的AI智能体在与人机交互信息物理系统结合时，由于人类用户和AI智能体行为的不可预测性，以及物理环境的动态变化，导致了系统行为的不可控非确定性。
论文提出了一种基于反应器计算模型(reactor model of computation, MoC)的方法，并使用开源的Lingua Franca (LF)框架来实现。该方法被应用于一个具体的案例研究——智能驾驶教练(agentic driving coach)，作为人机交互信息物理系统的一个应用实例。
论文的核心创新在于：
• 首次将反应器计算模型(reactor MoC)和Lingua Franca (LF)框架系统地应用于由基础模型(LLMs)驱动的、人机交互(HITL)信息物理系统(CPS)中，以应对其固有的非确定性挑战。
• 通过智能驾驶教练这一具体案例，实证性地揭示了在将确定性(determinism)重新引入此类智能体驱动的HITL CPS时所面临的实际挑战，并提出了解决路径。
• 与现有工作相比，该研究不仅提出了一个理论框架，还通过具体实现和评估，为构建鲁棒(robust)且具有确定性的智能体AI驱动的HITL CPS提供了实践指导和验证。
论文对该领域的整体贡献是：
• 为解决智能体AI驱动的人机交互信息物理系统中的非确定性问题，提出了一个基于反应器计算模型和LF框架的、可实现的系统化方法。
• 通过一个具体的、有代表性的应用案例（智能驾驶教练），验证了所提方法的可行性，并识别了实际工程化中的关键挑战。
• 为未来构建更可靠、可预测的智能体AI与人类、物理环境协同工作的复杂系统，提供了重要的理论见解、技术路径和实践经验。