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「ARIA 与事后诊断式(post-hoc)纠错方法在效果和开销上的对比数据」这一问题:资料 1 只提供了 ARIA 的方法定位与数据集规模,没有给出任何与 post-hoc 方法对比的量化结果。 资料 1 中可确认的部分:
缺失的信息包括:ARIA 相对 post-hoc 纠错的准确率/成功率提升幅度、额外 token 或调用开销、延迟对比、小模型训练与推理成本等具体数字,摘要中均未涉及1。建议查阅原文的实验章节获取对比表格。