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 报告的运行时修正效果与基线方法相比如何」这一问题:资料1只提供了论文摘要层面的信息,没有给出任何与基线方法的对比数据或量化指标。 资料1中能确认的部分:
但摘要中未提及任何基线方法名称、修正成功率、任务完成率提升幅度、开销对比等结果性数字,因此无法就「与基线相比效果如何」给出有依据的结论。建议查阅论文正文的实验章节(Evaluation / Results)获取具体对比。