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「3953 对失败轨迹与验证修复数据集具体如何构建和标注」这一细节问题——资料1只给出了该数据集的规模与定位,没有披露采集流程、标注规范或验证机制。以下是资料中能确认的部分:
关于标注流程(谁标注、标注粒度、是否人工复核、失败轨迹如何触发采集、修复如何配对到具体失败步骤)以及数据统计分布,资料1均未涉及,需查阅论文原文的方法与数据集章节。