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-修复数据具体如何采集与验证」这一细节问题——资料1仅为论文摘要级信息,未披露采集流程、验证标准或标注协议。资料中能确认的部分如下:
关于「如何采集」(失败轨迹从哪些多智能体框架/任务中采样、失败如何判定)与「如何验证」(修复是否由执行结果自动校验、是否有人工审核、验证通过标准),摘要均未涉及,需查阅论文正文的实验设置与数据集构建章节。