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该问题。 资料 1 只提供了 ARIA 的框架级描述,并未列出运行时检查器具体监控哪些执行信号(消息、工具调用、状态)。可以确认的相关信息仅有:
关于「消息 / 工具调用 / 状态」这三类信号是否被监控、以何种粒度采集、是否还有其它信号(如 token 级输出、环境反馈、智能体间通信拓扑等),资料 1 的摘要中均未提及,因此无法给出具体清单。建议查阅该论文正文的框架/实现章节(arXiv:2610.20780)以获取信号定义与采集方式。