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。
结论:ARIA 训练出的小模型以「运行时检查器/修正器」的身份嵌入多智能体执行流程,在任务执行中途识别错误并直接介入修正,而不是等任务结束后再做诊断或整轮重跑[1]。 现有资料能确认的要点:
资料未覆盖的部分:具体的介入接口形式(如 hook、wrapper、消息拦截还是调度层插件)、小模型与主智能体之间的通信协议、介入的触发阈值与回退策略、以及推理时的延迟开销,摘要中均未提及,现有资料不足以回答。