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 框架的摘要级信息,没有涉及运行时检查的触发信号类型,也没有涉及误报/漏报的评估方法。 资料 1 中能确认的相关信息仅有:
关于“什么信号触发修正”(例如检查器置信度阈值、验证器判定失败、轨迹异常模式等)以及“误报/漏报如何评估”(例如精确率/召回率、人工标注对照、干预后任务成功率变化等),摘要中均未提及1,需要查阅论文正文的实验与实现章节。