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。
结论: 根据现有资料,ARIA 与事后诊断式方法的核心差异在于介入时机和修复知识的复用方式:ARIA 在任务执行中途进行运行时检查与修正,而事后诊断式方法是在任务结束后才诊断问题1。 可确认的差异点:
资料不足的部分: 现有资料只有 ARIA 的摘要,没有列出它所对比的具体事后诊断式方法名称、实验指标或定量对比结果,因此无法给出两者在准确率、开销等维度上的具体差异数值。