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

结论：现有资料只能确认 ARIA 与事后诊断式方法在「介入时机」和「是否依赖重跑」上的核心差异，即 ARIA 在执行中途识别并修正错误，而事后诊断式方法是在任务结束后再诊断、往往需要反复重跑；但资料未给出具体的事后诊断方法名称或量化对比数据。可确认的差异点：

介入时机：ARIA 是运行时（runtime）检查与修正框架，在任务执行中途识别错误并介入修正1；事后诊断式（post-hoc）方法则是在执行结束后再做诊断1。
是否依赖重跑：ARIA 的设计目标是避免事后诊断或反复重跑1，即不靠「跑完再查、查完再跑」的循环来纠错。
纠错知识的沉淀方式：ARIA 把执行中验证过的修复转化为可复用的监督数据，用于训练小模型在后续任务中途识别错误并修正1；资料未描述事后诊断式方法是否有类似的修复数据复用机制。
数据与泛化：ARIA 构建了首个大规模失败轨迹与验证修复配对数据集（3953 对），并可跨框架与宿主模型泛化1。

资料不足之处：现有资料未列出具体的事后诊断式多智能体纠错方法（如基于轨迹回溯、事后反思等）的名称、机制细节，也没有两者在成功率、开销、延迟等指标上的对比数字，因此无法给出更细粒度的差异分析。

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