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「具体触发机制」这一细节。资料 1 只给出了 ARIA 的总体思路与数据规模,没有披露小模型在运行时判断「何时介入」的具体触发条件、阈值或判定流程。 资料中能确认的部分:
也就是说,资料只说明了「训练信号来自验证过的修复」以及「介入发生在执行中途」,但未说明触发机制本身(例如是由检查器逐步校验、由小模型自行判断、还是由某种异常/失败信号驱动)。这部分需要查阅原文正文才能确认。