Ag
ARIA: Runtime Inspection and Amendment for Multi-Agent Systems
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
Agent·arXiv cs.AI·5 天前
先用站内已采集内容作答;站内不足时联网检索,每条结论都给出来源链接
1 条 · 点击可看原文全文与中文译文
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
现有资料不足以回答「3953 对失败轨迹—修复数据具体如何构造与验证」这一细节问题;资料1只给出了该数据集的定位与规模,未披露构造流程与验证机制。 资料中可确认的部分:
未覆盖的内容(资料中无对应信息):失败轨迹的采集方式与来源框架、失败判定标准、修复的生成主体(人工/大模型/自动搜索)、验证的具体判据(单测、执行结果比对、评审)、数据过滤与去重策略、标注一致性或质量评估指标。以上均需查阅原文正文(arXiv 2610.20780)确认。