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 运行时检查器如何判定出错、触发信号是什么」这一具体机制问题——资料 1 只提供了摘要级信息,未披露判定逻辑或信号定义。 资料中能确认的部分:
也就是说,从资料只能推断「出错判定」由一个小模型在执行中途完成、且其训练监督信号来自「经过执行验证的修复对」,但具体的触发信号形式(如检查点粒度、判定阈值、是否依赖验证器/奖励信号)在现有资料中没有任何说明,不应推测。