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「具体触发条件」这一问题。 资料 1 只能确认以下与介入机制相关的信息:
但资料 1 仅为摘要级信息,没有披露触发介入的具体判定条件,例如:基于何种错误信号(工具调用失败、状态不一致、置信度阈值等)、由谁判定(检查器/小模型/验证器)、阈值如何设定、介入粒度(单步还是子任务级)。这些均无法从现有资料推断,需查阅原文正文。