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「ARIA 的运行时修复监督信号具体如何构建」这一具体机制问题。 站内仅采集到该论文的摘要级信息,未包含监督信号构建的细节(如标注流程、验证判据、配对生成方式、损失设计等)。以下是资料中能确认的部分:
也就是说,资料只能确认「监督信号 = 执行验证通过的修复 + 对应失败轨迹」这一高层构造原则与数据规模,无法确认验证的具体标准、修复的搜索/生成方式、配对粒度(步级还是轨迹级)等实现细节。建议查阅论文原文的方法章节。