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 框架具体包含哪些模块、介入时机如何判定——资料 1 仅为论文摘要,未列出模块清单与时机判定规则。可确认的部分如下:
关于“介入时机如何判定”,资料仅说明介入发生在“任务执行中途”,由训练后的小模型识别错误触发1,未给出具体判定阈值、检查点粒度或触发条件。模块划分(如检查器、修正器、数据生成管线等)在摘要中亦未展开,需查阅论文全文。