ИССЛЕДОВАНИЕ · RESEARCH · #2101
ARIA: рамка для инспекции и исправления во время выполнения и набор данных для мультиагентных систем на LLM
Исследователи из LabRAI представляют ARIA — независимую от конкретной MAS рамку и обучаемую модель для инспекции и исправления выполнения мультиагентных систем на базе больших языковых моделей. Они публикуют набор данных ARIA, созданный из более чем 24 000 траекторий в четырёх мультиагентных фреймворках, шести бенчмарках и восьми хост-моделях и содержащий 3 953 проверенных пары исправлений; обученная модель демонстрирует сильные результаты и обобщается на невидимые фреймворки и хост-модели; код доступен на GitHub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Исследователи из LabRAI представляют ARIA — независимую от конкретной MAS рамку и обучаемую модель для инспекции и исправления выполнения мультиагентных систем на базе больших языковых моделей.
- Они публикуют набор данных ARIA, созданный из более чем 24 000 траекторий в четырёх мультиагентных фреймворках, шести бенчмарках и восьми хост-моделях и содержащий 3 953 проверенных пары исправлений; обученная модель демонстрирует сильные результаты и обобщается на невидимые фреймворки и хост-модели; код доступен на GitHub.
- ARIA предоставляет первый крупномасштабный набор данных с проверенными исправлениями выполнения и независимый от фреймворка подход для обучаемых исправлений в реальном времени, что позволяет автоматизированно предотвращать каскадные ошибки в мультиагентных системах на базе LLM.
ПОЧЕМУ ЭТО ВАЖНО
ARIA предоставляет первый крупномасштабный набор данных с проверенными исправлениями выполнения и независимый от фреймворка подход для обучаемых исправлений в реальном времени, что позволяет автоматизированно предотвращать каскадные ошибки в мультиагентных системах на базе LLM.