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「开销和成功率差异」这一量化问题——资料1只提供了 ARIA 的方法定位与数据集规模,没有给出与事后诊断方法对比的开销(token、时延、调用次数)或成功率数字。 资料中能确认的部分:
因此,从定性角度看,ARIA 的路线是用「小模型中途介入」替代「事后诊断 + 重跑」1;但两者在开销与成功率上的具体差异,摘要未披露,需查阅原文实验部分。