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 如何避免引入额外延迟」这一具体机制问题。资料1只提供了框架层面的摘要信息,没有给出延迟、开销或调度方面的任何量化数据或实现细节。 资料中能确认的部分:
需要说明的是:摘要中「避免事后诊断或反复重跑」1只是对设计动机的表述,不能据此推断出具体的延迟优化手段(如异步介入、轻量小模型推理、检查点复用等),这些在现有资料中均无依据。