AI 搜索

带引用 · 可溯源

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

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「ARIA 的运行时修正机制具体如何触发介入」这一问题的细节，只能确认框架层面的定位。资料中可确认的部分：

ARIA 是一个面向 LLM 多智能体系统的运行时检查与修正框架，其目标是在任务执行过程中完成验证与修复，而非事后诊断或反复重跑1。
其介入能力来自训练小模型在任务执行中途识别错误并介入修正，即介入主体是一个经训练的小模型，介入时机是「执行中途」1。
训练数据来自执行验证过的修复，被转化为可复用的监督数据；并构建了首个大规模失败轨迹与验证修复配对数据集（3953 对）1。
该机制宣称可跨框架与宿主模型泛化1。

资料中未包含的内容（因此无法回答）：具体的触发条件与判定信号（例如是基于置信度、验证器校验失败、还是轨迹异常检测）、触发阈值、介入的粒度（单步/单智能体/全局）、介入动作的具体形式（回滚、重写消息、替换工具调用等），以及触发到修正的完整流程。这些需要查阅论文正文而非摘要。建议：若需精确机制，请补充该论文的正文或方法章节内容。

继续追问

ARIA 训练小模型所用的 3953 对失败轨迹与修复配对数据是如何构造和验证的？ARIA 的运行时检查与「事后诊断 + 重跑」方案在成本与成功率上的对比数据是多少？ARIA 在跨框架、跨宿主模型泛化上的具体实验设置与结果如何？

参考来源

1 条

1站内ARIA: Runtime Inspection and Amendment for Multi-Agent SystemsARIA 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。arXiv cs.AIhttps://arxiv.org/abs/2610.20780

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

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

#multi-agent