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 的总体思路——用小模型在任务执行中途识别错误并介入修正,但资料未说明小模型与主多智能体系统之间的具体交互接口,也未给出介入时机的判定规则或阈值。 资料中可确认的部分:
资料未覆盖、因而无法回答的部分:
因此,关于“如何交互”与“介入时机如何判定”这两个具体问题,现有资料不足以回答,仅能确认其介入发生在执行中途而非事后1。建议查阅原文正文的方法章节以获取交互协议与触发条件的细节。