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「3953 对失败轨迹—修复数据具体如何构造与验证」这一细节问题——资料1仅为摘要级信息,未披露构造流程、验证标准或标注协议。资料中能确认的部分如下:
关于「失败轨迹如何采集、修复由谁生成、验证由什么信号判定(测试通过/人工审核/模型自评)、3953 这一数量的筛选口径」等关键问题,摘要均未涉及,需查阅论文正文(方法章节与数据集附录)。