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「ARIA 训练的小模型在运行时介入修正时,具体使用什么信号判断当前执行已出错」这一问题。 资料中能确认的相关信息只有:
也就是说,资料只说明了「小模型被训练用于在执行中途识别错误并修正」这一机制层面的定位1,但没有披露判断出错的信号来源(例如是依赖执行轨迹、中间输出、验证器反馈还是其他内部表征),也未说明该信号的具体形式或判定方式。因此无法据此给出具体答案。