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·4 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 对失败轨迹与验证修复配对数据具体如何构建和标注」这一细节问题。资料 1 只给出了该数据集的存在与规模,未披露构建流程、标注规范或质量控制方法。 资料 1 中可确认的部分:
关于「如何构建和标注」——包括失败轨迹的采集来源、修复是否由模型生成后经验证筛选、验证信号的具体形式(测试通过、执行成功等)、标注人员或自动标注流程、以及配对数据的过滤与去重策略——资料 1 均未涉及,无法据此推断。建议查阅该论文原文的方法与数据章节。