AI 搜索

带引用 · 可溯源

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

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以给出 ARIA 与事后诊断式方法在成本和成功率上的具体对比数值。资料1只提供了定性描述，没有给出任何量化结果。资料中能确认的部分：

方法定位：ARIA 是面向 LLM 多智能体系统的运行时检查与修正框架，核心是在任务执行中途识别错误并介入修正，而不是等任务结束后再做诊断1。
与事后诊断式的差异（定性）：ARIA 明确以「避免事后诊断或反复重跑」为目标1，也就是说，它试图省去事后反思、重试、重跑这类流程；但资料没有说明这样能节省多少 token、调用次数或时延，也没有给出成功率提升幅度。
数据基础：ARIA 构建了首个大规模失败轨迹与验证修复配对数据集，共 3953 对，并可将执行验证过的修复转化为可复用监督数据，用于训练小模型1。
泛化性：资料称其可跨框架与宿主模型泛化1，但同样未给出跨框架对比的具体指标。

因此，关于「成本」和「成功率」的对比结论，需要查阅原文的实验章节；摘要层面无法支撑任何数字性结论。

继续追问

1 条

AI 答案正在检索与综合…

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。

Agent·arXiv cs.AI·5 天前