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「ARIA 训练的小模型具体如何判断执行中途的错误」这一机制层面的问题——资料1只给出了框架定位与数据规模,没有披露小模型的判断方式、输入信号或判定逻辑。以下是资料中能确认的部分:
也就是说,资料只能说明「小模型是靠失败轨迹与已验证修复的配对数据做监督训练,从而获得中途识别错误的能力」,但具体的判断依据(如检查哪些中间状态、用什么信号触发介入、判定阈值等)在现有资料中未提及。建议查阅原文全文获取细节。