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 在方法定位上与事后诊断、重跑式修复不同,但没有任何量化对比结果,因此无法回答“效果上孰优孰劣”。 资料中可确认的部分:
资料中缺失的部分:
因此,“ARIA 相比事后诊断/重跑式修复效果提升多少”这一问题,现有资料不足以回答;目前只能从设计动机上理解其差异:ARIA 主张用运行中介入替代事后诊断与反复重跑1,但这一主张的实际收益尚需原文实验部分佐证。