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。
现有资料不足以完整回答「ARIA 训练的小模型与宿主大模型在推理时的调用关系」这一具体机制问题——资料 1 只提供了摘要级信息,未描述推理阶段的调用时序、接口形式或控制权归属。以下是资料中能确认的部分:
无法确认的内容:小模型是在宿主模型的每一步推理中被同步调用、还是在特定检查点触发;两者是串行接力、并行旁路还是共享上下文;修正结果如何回注到宿主模型的执行流。这些均未在资料 1 中说明。