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。
现有资料不足以回答「ARIA 具体包含哪些模块」以及「介入时机如何判定」这两个细节问题——资料 1 仅为摘要级信息,未列出模块清单,也未说明介入时机的判定规则或阈值。以下是资料中能确认的部分:
关于介入时机,资料只能间接说明其发生在「任务执行中途」而非事后1,但具体的判定依据(如由小模型触发、置信度阈值、检查点粒度等)在现有资料中未提及,无法确认。建议查阅论文全文的框架总览与方法章节。