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。
现有资料不足以完整回答「ARIA 把修复转化为监督信号的具体训练流程」——资料1只提供了摘要级信息,没有给出训练阶段的分步细节(如损失函数、训练目标形式、数据配比、模型规模等)。以下是资料中能确认的部分:
因此,可以确认的流程骨架是「运行时执行 → 验证修复 → 配对成监督数据 → 训练小模型做中途介入」,但每一步的具体实现(验证机制如何判定修复正确、监督信号如何构造、训练细节)在现有资料中未披露。