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该问题。资料 1 只介绍了 ARIA 的框架定位与数据集规模，没有给出误报率（false positive rate）或额外开销（overhead）的任何量化指标或评估方法。资料中能确认的部分：

ARIA 是面向 LLM 多智能体系统的运行时检查与修正框架，核心思路是把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，从而避免事后诊断或反复重跑 1。
它构建了首个大规模失败轨迹与验证修复配对数据集，规模为 3953 对，并声称可跨框架与宿主模型泛化 1。

因此，关于“误报率如何评估”“额外开销如何评估”这两个具体问题，资料 1 未提供评估协议、指标定义、基线对比或实验数字，无法据此作答。建议查阅该论文全文（arXiv:2610.20780）的实验章节，或补充检索其评测部分。

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