ARIA 论文构建首个多智能体执行验证修复数据集并实现运行时干预框架

Bolin Shen 和 Yushun Dong 在 arXiv 发布 ARIA（Agent Runtime Inspection and Amendment）框架，旨在解决基于 LLM 的多智能体系统中局部错误随执行传播导致任务失败的问题。该工作核心是将原本依赖事后诊断或重复试错的修复模式，转化为通过训练学习到的运行时干预策略，使模型能在执行过程中识别错误并修正。

作者收集了跨越四个多智能体框架、六个基准测试和八个宿主模型的超过 24,000 条成功与失败轨迹，构建了包含 3,953 个经过执行验证的修复对的 ARIA 数据集。这是目前首个大规模配对失败轨迹与执行验证修复的数据集，每个修复对明确指定了错误位置、干预点及后续执行路径。基于此数据，他们训练了一个紧凑模型，使其能够泛化到未见过的框架和宿主模型，在事后分析和运行时设置下均展现出强大的修复性能。

这一工作的关键推论在于将 Agent 系统的容错机制从工程层面的重试逻辑迁移到了数据驱动的学习层面。事实是 ARIA 框架已开源且具备 MAS-agnostic 特性，可集成任何暴露轨迹并支持替换续行的系统；推断是未来多智能体应用可能不再依赖简单的超时重试，而是内置这种轻量级干预模型；猜测是此类方法若扩展到复杂长程任务，可能显著降低多智能体协作中的累积误差率，但具体单位经济影响尚需更多实测数据验证。