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 如何定位出错的具体 agent 与步骤」这一机制细节。资料 1 只提供了框架层面的描述,没有说明定位粒度或具体算法。 资料中能确认的部分:
从上述信息只能间接推断:ARIA 的监督信号建立在「失败轨迹」与「验证修复」的配对之上,说明其检查对象是执行轨迹层面的错误片段;但资料未说明该片段是否绑定到具体 agent 身份、如何划分步骤边界、以及定位是自动归因还是由修复数据隐式携带。这些均无法从现有资料确认,需查阅原文的方法章节。