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

现有资料不足以完整回答「ARIA 与事后诊断式（post-hoc）多智能体纠错方法在实验设置上的差异」——资料中只有 ARIA 一侧的描述，没有任何关于事后诊断式方法的具体实验设置（数据集、基线、评测指标、模型规模等）的记载，因此无法做逐项对比。资料中能确认的部分如下：

ARIA 的定位是运行时介入，而非事后诊断：ARIA 是面向 LLM 多智能体系统的运行时检查与修正框架，在任务执行中途识别错误并介入修正，明确以「避免事后诊断或反复重跑」为目标1。这构成与 post-hoc 方法在纠错时机上的根本差异，但属于方法设计层面，而非实验设置层面。
ARIA 的数据构建方式：将执行验证过的修复转化为可复用监督数据，并构建了首个大规模失败轨迹与验证修复配对数据集，规模为 3953 对1。
ARIA 的泛化评测维度：资料提到其可跨框架与宿主模型泛化1，说明实验至少涉及多框架、多宿主模型的设置，但未给出具体框架名、模型名或数值结果。
训练对象：ARIA 训练小模型承担中途识别与修正1，即实验涉及小模型训练环节；事后诊断式方法是否涉及同类训练，资料未提及。

综上，仅可确认 ARIA 在纠错时机（运行时 vs 事后）与数据来源（验证修复配对数据）上的设计差异1；两者的实验设置对比（数据集、基线、指标、模型配置）在现有资料中无对应信息，无法给出。

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