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。
现有资料不足以明确回答「ARIA 的运行时检查具体挂在多智能体的哪一层级(单 agent 步级还是编排层)」。资料只给出了框架定位与训练方式,没有描述其介入的层级边界。 资料中能确认的部分:
从「任务执行中途介入」这一描述看,检查点落在执行流程内部而非任务结束后1;但资料未说明该检查点是绑定在单个 agent 的每一步动作上,还是位于多 agent 的编排/调度层,也未给出层级划分或 hook 位置的技术细节,因此无法据此判定。