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具体如何判断当前步骤是否出错」这一机制层面的问题。资料 1 只提供了框架层面的描述,未披露判断逻辑的细节。 资料 1 能确认的部分:
因此,从资料只能推断出「小模型的判断能力来自对失败轨迹—修复配对数据的监督学习」,但具体的判断信号(例如依据哪类中间状态、日志、工具返回或自检输出)、判断粒度(步骤级还是子任务级)以及阈值/触发方式,资料 1 均未说明。