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 对失败轨迹-修复数据具体如何构造与标注」这一细节问题——资料 1 仅为论文摘要级信息,未披露构造流程、标注规范或数据来源。 资料 1 中能确认的部分:
未覆盖的信息(需查阅原文):失败轨迹的采集环境与任务分布、失败判定标准、修复的生成者(人工/大模型/自动搜索)、验证通过的具体判据、标注粒度(步骤级还是轨迹级)、以及 3953 这一数量的筛选过程。