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 对数据集如何构造和验证」的具体流程。资料 1 只提供了框架层面的描述,没有给出构造步骤、验证标准或数据来源细节。 资料 1 能确认的部分:
资料 1 未覆盖、因而无法回答的内容包括:失败轨迹的采集来源与筛选条件、修复的生成方式与验证判据(如何判定「验证过」)、3953 这一数量的构成分布、数据集的质量校验与人工审核流程、以及验证实验的具体指标。建议查阅论文原文的方法与实验章节。