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「触发条件」这一具体问题。 资料 1 只提供了 ARIA 框架的摘要级信息,能确认的部分如下:
但摘要中没有说明小模型在运行时依据什么信号、阈值或判据判定「该介入修正」,例如是基于错误检测置信度、验证器反馈、轨迹异常模式还是其他机制,也没有给出触发时机的粒度(步级/轮级/工具调用级)。这些细节需要查阅论文正文。 confidence: low