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该问题的具体实验设置与结果。 资料 1 仅提供了 ARIA 的框架级描述与数据集规模,未给出任何跨框架、跨宿主模型泛化的实验配置(如涉及的框架名称、宿主模型清单、评测任务、指标定义)或量化结果。 资料中可确认的部分:
因此,关于「跨框架、跨宿主模型泛化的具体实验设置和结果」,需要查阅论文正文的实验章节(如基线对比、消融、跨框架迁移设置等),当前摘要级资料无法支撑。