AI 搜索

带引用 · 可溯源

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

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「3953 对数据是如何构造和验证的」这一具体问题。资料1只给出了该数据集的定位与规模，没有披露构造流程与验证方法的细节。资料中能确认的部分：

该数据集是 ARIA 框架的组成部分，ARIA 是一个面向 LLM 多智能体系统的运行时检查与修正框架，其思路是把执行过程中验证过的修复转化为可复用的监督数据，用来训练小模型在任务执行中途识别错误并介入修正，从而避免事后诊断或反复重跑1。
数据集规模为 3953 对，内容是「失败轨迹」与「验证修复」的配对，资料称其为首个大规模此类配对数据集1。
资料提到该数据集可跨框架与宿主模型泛化1，但未说明这一泛化结论是通过何种划分或评测方式得到的。

因此，关于「失败轨迹如何采集、修复如何生成、验证由谁/以何种标准判定、是否有人工标注或自动校验、训练/测试如何划分」等构造与验证细节，现有资料均未涉及，无法据此作答。建议查阅该论文原文（arXiv:2610.20780）的数据集构建章节。

继续追问

1 条

AI 答案正在检索与综合…

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。

Agent·arXiv cs.AI·5 天前