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。
现有资料不足以完整回答「ARIA 具体包含哪些模块、介入时机如何判定」这一细节问题——资料1仅为论文摘要级信息,未列出模块清单,也未给出介入时机的判定规则或阈值。以下仅列出资料中可确认的部分:
关于「模块划分」与「介入时机判定」,摘要中只体现了「检查—修正—数据回流(训练小模型)」这一条主线1,具体模块名称、各模块职责边界、以及介入时机是依据何种信号(如错误检测置信度、步骤级验证结果等)触发,资料均未涉及,需查阅论文正文。