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 只能确认以下几点:
但资料 1 是摘要级信息,没有给出任何跨框架迁移的具体提升数字(如准确率、成功率、修复率、相对基线的百分点或百分比变化),也没有说明迁移的源框架/目标框架、评测基准与对比基线。因此无法提供具体数值,任何具体数字都会超出资料范围。 建议获取该论文全文(arXiv:2610.20780)的实验章节,或等待站内补充该条目的详细摘要/实验结果字段后再行回答。