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。
结论:现有资料只能确认 ARIA 训练出的小模型是在任务执行中途识别错误并介入修正,属于运行时介入;但资料没有说明它以什么具体形式介入,例如钩子、拦截器、消息注入还是控制信号,因此无法给出机制层面的答案。 资料中能确认的部分:
资料未覆盖的部分:小模型介入的具体运行时形态,例如是否以独立 critic 智能体、消息拦截与改写、工具调用前后的 hook、还是对执行图的控制流干预,摘要中均未提及。因此,现有资料不足以回答“以什么形式介入”这一机制细节。