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「3953 对数据具体如何构造与筛选」这一细节问题——资料1只给出了数据集的存在与规模,未披露构造流程、筛选标准或标注规则。 资料中能确认的部分:
未覆盖的信息(资料中无对应内容):失败轨迹的采样来源与任务分布、失败的判定方式、修复的生成与验证机制、配对筛选/去重/质量控制规则、训练与测试划分比例。建议查阅论文原文的方法与数据章节。