ปัญหาหลักของ AI Agent ที่ต้องใช้เครื่องมือ (Tool-using agents) คือความล่าช้าที่เกิดจากการรอผลลัพธ์ของแต่ละขั้นตอนแบบอนุกรม งานวิจัยนี้จึงนำเสนอ Speculative Macro Commit (SMC) ซึ่งเป็นกลไกรันไทม์ที่ช่วยเพิ่มความเร็วในการทำงาน
ระบบนี้ประกอบด้วยโมเดลสองระดับ คือ 'Actor' (โมเดลหลักที่แม่นยำ) และ 'Drafter' (โมเดลขนาดเล็กที่ทำงานเร็ว) โดย Drafter จะทำหน้าที่คาดการณ์และทดลองรันชุดคำสั่งล่วงหน้าในสภาพแวดล้อมจำลอง ระบบจะมีการสร้าง 'Macro Library' เพื่อเก็บรูปแบบชุดคำสั่งที่พบบ่อย เมื่อโมเดลหลักเรียกใช้เครื่องมือแรกตรงกับที่ Drafter คาดการณ์ไว้ ระบบจะรวบยอดผลลัพธ์ทั้งหมดเข้าสู่เส้นทางหลักทันที ผลการทดสอบพบว่าสามารถลดความล่าช้าได้ถึง 44.9% บน AppWorld ในขณะที่ยังคงความแม่นยำไว้ได้
