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 框架包含哪些具体模块、以及介入机制的技术细节——资料 1 只提供了摘要级信息,未列出模块清单或介入接口。以下仅列出资料中能确认的部分:
关于“如何在任务执行中途介入”,资料仅说明由训练后的小模型在执行中途识别错误并触发修正1,未披露介入的触发条件、钩子位置、修正动作空间或与多智能体调度器的交互方式。建议查阅原文正文获取模块划分与介入流程。