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·4 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 中执行验证的具体判定标准是什么」以及「如何自动判断一次修复是否有效」这两个问题——资料 1 只提供了摘要级信息,没有给出验证判定的具体规则、指标或流程。 资料 1 中能确认的相关部分:
但摘要未披露:验证由什么信号触发、判定通过的具体条件(例如任务是否完成、测试是否通过、状态是否恢复)、由谁执行验证(宿主系统还是独立检查器),以及自动判定的实现方式1。这些细节需要查阅论文正文才能确定。