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该问题。 资料 1 仅为 ARIA 论文的摘要级信息,其中没有提及实验部分使用的任何评估指标(如准确率、修复成功率、任务完成率、泛化性能度量等均未出现)。 资料中能确认的相关信息仅有:
但“跨框架与宿主模型泛化”这一表述只是摘要中的结论性描述,资料并未说明其对应的具体评估指标或实验设置,因此无法据此推断实验指标。建议查阅论文全文的实验章节。