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1只提供了框架层面的描述,未展开监督信号的构造流程、标注规则或损失设计。 资料中能确认的相关部分:
也就是说,资料仅能确认监督信号的上游形态是「失败轨迹 + 执行验证后的修复」配对,但配对的具体构造方法(如何判定修复被验证、如何对齐轨迹片段、如何转成训练目标)在现有资料中没有说明。