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:现有资料只能确认 ARIA 在定位上属于「运行时」介入,与「事后诊断」式方法的核心差异是介入时机与是否依赖重跑;但资料未点名任何具体的事后诊断方法,因此无法做逐项对比。 可确认的差异点:
资料不足之处:现有资料未列举具体的事后诊断式多智能体调试方法名称、指标或实验对比结果,因此无法给出量化差异(如准确率、开销、重跑次数等)。这部分「现有资料不足以回答」。