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「3953 对失败轨迹与修复数据具体如何构造」这一细节问题。资料中只能确认以下几点:
但资料未披露:失败轨迹的采集方式(如来自哪些多智能体框架、哪些任务集、失败如何判定)、修复的生成与验证流程(由谁生成、验证标准、是否人工介入)、配对与过滤规则、数据规模如何从原始轨迹收敛到 3953 对等具体构造细节。这些需要查阅论文原文的方法与数据章节。