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·4 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 如何验证一条修复是有效的、验证信号来自哪里」这一具体机制问题。资料1只提供了框架层面的描述,没有说明验证信号的具体来源或判定方式。 资料中能确认的部分:
从上述表述只能间接推断:修复的「有效性」在数据构建阶段是经过某种执行验证的(即「执行验证过的修复」),但资料未披露验证信号来自运行时执行结果、环境反馈、测试用例还是其他来源,也未说明验证的具体流程与判定标准1。