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「由什么组件判定」以及「是否有形式化或测试用例支撑」这两个具体问题——资料 1 只提供了摘要级信息,未披露执行验证的判定组件构成,也未提及形式化方法或测试用例。资料中能确认的部分如下:
也就是说,资料能确认「验证」这一环节在流程中存在且是数据构建的前提(只有通过验证的修复才被纳入监督数据),但判定主体(规则引擎、LLM 裁判、形式化检查器或单元测试执行器)与验证手段(形式化证明 / 测试用例)均未在摘要中出现。建议查阅论文正文的框架架构与方法章节以确认。