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「具体表现」层面的问题(缺少跨框架、跨宿主模型的量化实验结果)。资料中只能确认以下定性表述:
也就是说,资料仅给出了「具备跨框架、跨宿主模型泛化能力」这一结论性声明,未提供具体的泛化评测设置(涉及哪些 agent 框架、哪些宿主模型)、迁移后的性能数值、性能衰减幅度或失败案例分析,因此无法回答具体表现如何。