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该数据集的具体构造与标注流程。 可确认的部分仅有:
资料中未涉及的内容包括:失败轨迹的具体采集方式(如来自哪些多智能体框架、任务类型、采样策略)、配对标注的具体流程(由谁标注、如何判定「验证通过」、是否有自动验证器或人工审核)、数据格式与字段、训练/测试划分、标注一致性指标等。这些细节需查阅论文原文(arXiv:2610.20780)才能确认1。