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「ARIA 采用什么具体验证手段保证修复正确性」这一问题——资料1只说明修复是「执行验证过的」,并把这类修复转成可复用监督数据,但没有披露验证机制的具体形式(例如测试执行、形式化检查、模型自检或人工审核)。 资料中能确认的部分:
也就是说,资料仅能支撑「验证发生在执行层面、且验证通过的修复被复用为监督信号」这一层描述,具体验证手段(判据、工具、通过标准)在现有资料中缺失。