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「ARIA 训练的小模型在介入修正时的具体触发条件」这一问题。 资料中能确认的部分:
也就是说,资料只说明了小模型被训练来做「运行时错误识别 + 介入修正」这件事,以及训练数据的来源与规模1;但没有给出触发介入的具体判据(例如是基于验证器信号、置信度阈值、检查点频率,还是某种错误分类规则),也没有说明触发时机的粒度。这些细节需要查阅论文正文才能确认。