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。
结论:现有资料只能确认 ARIA 的设计目标是避免事后诊断与反复重跑,但没有任何具体成本数字,因此无法做定量成本对比。
关于“与现有多智能体事后诊断/重跑方案的成本对比”:现有资料不足以回答。 资料中没有出现任何关于事后诊断方案或重跑方案的 token 消耗、延迟、调用次数、美元成本等数据,也没有 ARIA 自身的成本数字,因此无法给出对比结论,也不应据此推断倍数或百分比。