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

范围：站内优先仅站内全网全网通道：bing

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「ARIA 的跨框架与宿主模型泛化是如何评测的」这一具体问题——资料1只给出了结论性表述，没有交代评测方法、评测基准、指标或实验设置。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，其做法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。
该工作构建了首个大规模「失败轨迹—验证修复」配对数据集，规模为 3953 对1。
摘要层面声称该框架「可跨框架与宿主模型泛化」1，但未说明这一泛化性是通过何种实验设计（例如跨哪些 agent 框架、跨哪些宿主模型、用什么任务集与指标）来验证的。

因此，关于「如何评测」的细节（评测维度、对照基线、泛化性度量方式）在现有资料中均无记载，需要查阅原文的实验章节。

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·4 天前