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该问题。 资料 1 只提供了 ARIA 的框架级描述,没有披露小模型介入的具体触发机制(阈值、检查点还是验证器打分)。可以确认的相关信息仅有:
也就是说,资料只能说明介入发生在“执行中途”这一粒度,以及监督信号来自“验证过的修复”,但没有说明触发是硬阈值、固定检查点,还是由验证器/小模型打分决定。建议查阅原文(arXiv:2610.20780)的方法章节确认。