AI 搜索

带引用 · 可溯源

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

范围：站内优先仅站内全网全网通道：bing

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「3953 对失败轨迹与验证修复数据集如何构建和筛选」这一具体问题——资料1只给出了该数据集的规模与定位，没有披露构建流程、筛选标准或标注细节。资料中能确认的部分：

数据集性质：这是首个大规模「失败轨迹 + 验证修复」配对数据集，共 3953 对1。
数据来源逻辑：ARIA 是一个面向 LLM 多智能体系统的运行时检查与修正框架，其思路是把「执行过程中验证过的修复」转化为可复用的监督数据1。也就是说，配对中的修复项来自经过验证的修正结果，而非人工臆造，但资料未说明验证的具体判据。
数据用途：用于训练小模型在任务执行中途识别错误并介入修正，从而避免事后诊断或反复重跑1。
泛化目标：数据集与训练出的模型被声称可跨框架与宿主模型泛化1，但资料未给出筛选时是否按框架/模型维度做了分层或去偏处理。

关于「如何构建」（失败轨迹的采集方式、错误注入还是自然发生、修复的生成与验证流程）与「如何筛选」（质量过滤、去重、难度分层、验证通过率阈值等），资料1均未涉及，需查阅论文正文的实验设置或数据集章节。

继续追问

1 条

AI 答案正在检索与综合…

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。

Agent·arXiv cs.AI·5 天前