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该问题的具体细节。资料 1 仅提供了 ARIA 框架的摘要级信息,未披露数据集构造流程、验证方法或跨框架泛化实验的具体设置。 资料中可确认的部分:
关于「如何构造」(失败轨迹如何采集、修复如何生成与验证、配对筛选标准)以及「跨框架泛化实验的具体设置」(涉及哪些 agent 框架、迁移方向、成功率对比),资料 1 均未涉及,需查阅论文全文的实验与数据章节。