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。
现有资料只能给出 ARIA 的框架级定位,不足以说明其运行时检查与修正机制在多智能体执行过程中的具体介入细节(如介入时机、触发条件、介入粒度、修正动作形式等)。可确认的部分如下:
也就是说,从资料可推断的介入路径是「执行中检测 → 小模型介入修正 → 修正结果经执行验证后回流为监督数据」,但资料未披露检测信号来源、介入的接口形式与具体算法,无法进一步展开1。