AI 搜索

带引用 · 可溯源

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

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「具体评测结果」这一问题——资料1只给出了框架层面的定性描述，没有提供任何跨框架、跨宿主模型泛化的量化评测数字。资料中能确认的部分：

ARIA 是一个面向 LLM 多智能体系统的运行时检查与修正框架，核心思路是把执行过程中验证过的修复转化为可复用的监督数据，训练小模型在任务执行中途识别错误并介入修正，从而避免事后诊断或反复重跑1。
资料声称构建了首个大规模「失败轨迹—验证修复」配对数据集，规模为 3953 对1。
资料仅以定性表述称其「可跨框架与宿主模型泛化」1，但未说明评测覆盖了哪些框架、哪些宿主模型、采用何种指标，也未给出任何具体数值或对比基线。

因此，关于泛化能力的具体评测结果（如跨框架迁移的准确率、不同宿主模型上的修正成功率、与基线方法的对比等），现有资料无法支撑，需查阅论文全文的实验章节。

继续追问

1 条

AI 答案正在检索与综合…

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。

Agent·arXiv cs.AI·5 天前