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。
结论:现有资料只能确认 ARIA 的总体机制方向,即训练小模型在任务执行中途识别错误并介入修正;但关于“运行时如何触发介入”的具体触发条件、调用接口,以及小模型与主智能体的调用关系(例如是旁路监听、钩子回调还是主智能体主动查询),资料均未说明。 资料中可确认的部分:
资料未覆盖、因此无法回答的部分:
建议直接查阅论文原文(arXiv:2610.20780)中关于系统架构与运行时介入流程的章节以获取细节。