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。
现有资料不足以回答「具体机制」层面的问题——资料1只给出了 ARIA 的框架定位与数据规模,没有披露介入修正的内部实现细节。以下仅列出资料中能确认的部分:
资料中未包含的内容包括:错误识别所用的信号形式(如中间步骤校验、critic 打分、状态比对等)、介入的触发条件与粒度、修正动作如何注入执行流、小模型的具体结构与训练目标、以及运行时检查与修正的调用时序。这些正是「具体机制」的核心,需查阅原文全文才能回答。