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。
现有资料不足以完整回答「ARIA 的运行时检查与修正机制具体如何介入多智能体执行流程」这一机制层面的问题——资料 1 只有摘要级信息,未披露介入点、触发条件、修正动作的具体形式。以下仅列出资料 1 能确认的部分:
资料 1 未说明的内容包括:检查器在多智能体流程中的具体挂载位置(如消息传递层、单步动作前后、agent 间交接点)、错误判定信号、修正动作是回滚/重写/替换 agent 还是注入提示,以及小模型与主流程的调用协议。这些需要查阅论文正文才能确认。