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「ARIA 训练出的小模型规模多大、推理开销如何」这两个具体问题——资料1只提供了框架层面的摘要信息,没有给出模型参数量、推理延迟/成本等任何数字。 资料中能确认的部分:
关于「小模型规模」与「推理开销」,摘要未披露参数量、基座模型、单次介入的 token/延迟开销,也未给出与基线方法的成本对比,因此无法据此推断1。建议查阅论文正文的实验设置与效率分析章节。