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 的运行时检查具体依赖哪些轨迹特征或验证器信号来触发修正」这一具体机制问题。 资料中能确认的部分:
从上述信息只能间接推断:ARIA 的触发信号与「失败轨迹」和「验证修复」这两类信号相关,且依赖某种验证环节来确认修复有效1;但摘要未披露具体的轨迹特征(如哪类中间状态、错误模式)或验证器信号(如何种打分、判定规则)清单,也未说明触发阈值或判定逻辑。 如需确切答案,建议查阅论文全文的方法章节(arXiv:2610.20780)1。