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「ARIA 如何判定错误」以及「误报/漏报情况如何」这两个具体问题——所给资料仅为论文摘要,未披露错误判定的具体机制(如判定依据、阈值、验证器设计)与误报/漏报的量化评估结果。资料中能确认的部分如下:
关于误报/漏报:摘要中未给出任何精确率、召回率、误报率或漏报率的数值或定性描述,因此无法基于现有资料作答1。建议查阅论文正文的评测章节获取该部分结论。