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 的运行时检查器具体如何判定出错、触发信号是什么」这一机制层面的问题——资料 1 只提供了摘要级信息,未披露判定逻辑或触发信号的细节。 资料 1 中能确认的相关部分:
因此,从资料可推断的仅是:错误判定能力由一个小模型承担,其监督信号来源于「失败轨迹—已验证修复」配对数据1;但具体的判定准则(如基于何种状态、日志或中间输出)与触发信号形式,资料 1 未说明。