AI 搜索

带引用 · 可溯源

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

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「ARIA 训练的小模型与宿主多智能体框架如何解耦」这一机制层面的问题——资料1只给出了摘要级信息，没有披露解耦的具体实现方式（如接口抽象、hook 注入点、消息格式适配层等）。以下是资料中能确认的部分：

ARIA 是一个面向 LLM 多智能体系统的运行时检查与修正框架，其定位是在任务执行中途识别错误并介入修正，而不是事后诊断或反复重跑1。
它的训练数据来自「执行验证过的修复」，即把修复结果转化为可复用的监督数据，用于训练小模型承担介入修正的角色1。
资料称其构建了首个大规模「失败轨迹—验证修复」配对数据集，规模为 3953 对1。
关于泛化，摘要只声明该方案「可跨框架与宿主模型泛化」1，但未说明解耦是通过何种抽象（例如统一的运行时探针、与框架无关的中间表示、或对宿主 agent 消息流的旁路监听）实现的。

因此，若要回答「如何解耦」，需要查阅论文正文的方法章节（运行时检查的挂载方式、修正动作如何回注宿主执行流、训练数据与具体框架的绑定程度），这些内容不在现有资料范围内。

继续追问

1 条

AI 答案正在检索与综合…

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。

Agent·arXiv cs.AI·5 天前