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

结论：现有资料只能确认 ARIA 的设计定位是「避免事后诊断或反复重跑」，但没有给出与 post-hoc 多智能体调试方法的定量对比结果。 可确认的部分：

ARIA 是面向 LLM 多智能体系统的运行时检查与修正框架，核心思路是在任务执行中途识别错误并介入修正，而不是等执行结束后再诊断1。
资料明确把「事后诊断（post-hoc）」和「反复重跑」列为 ARIA 试图规避的对象，说明二者在方法路径上是对立的：post-hoc 属于执行后回溯分析，ARIA 属于执行中在线干预1。
ARIA 将执行验证过的修复转化为可复用监督数据，用于训练小模型做中途纠错，并构建了首个大规模失败轨迹与验证修复配对数据集（3953 对），且可跨框架与宿主模型泛化1。

缺失的部分： 资料中没有给出 ARIA 与任何具体 post-hoc 调试基线在成功率、修复准确率、token/调用开销、重跑次数等指标上的对比数值，也没有说明对比实验的基线名称与实验设置。因此「对比结果如何」这一问题，现有资料不足以回答1。建议直接查阅该论文的实验章节以获取基线对比数据。

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·4 天前