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。
一句话结论:ARIA 通过“运行时检查与修正”框架,把执行过程中经过验证的修复直接沉淀为可复用的监督数据,并用这些数据训练小模型在执行中途识别错误并介入修正1。 可确认的要点:
资料未覆盖的部分:现有资料不足以回答修复的具体验证标准、监督信号的具体形式(如偏好对、SFT 目标或奖励标签)、小模型的训练细节,以及 3953 对数据集的构建流程与评测指标1。