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」这一问题的技术细节。资料中只能确认以下几点:
也就是说,资料只说明了监督信号的来源形态(失败轨迹与经验证的修复配对)和用途(训练小模型做中途干预),但没有披露具体的构建流程,例如:失败轨迹如何采集与切分、修复如何被验证与筛选、监督信号如何标注或对齐、训练目标与损失如何设计等。这些均无法从现有资料中确认,不宜推测。