ARIA：多智能体系统运行时检查与修复框架

2026年10月16日，arXiv Artificial Intelligence 刊出研究团队（Bolin Shen、Yushun Dong）的论文，提出 Agent Runtime Inspection and Amendment（ARIA）框架，用于学习在 LLM 多智能体系统执行过程中何时以及如何修复错误。据该报道，团队跨四个多智能体框架、六个基准和八个宿主模型收集了超过 24,000 条成功与失败轨迹，构建出包含 3,953 对经执行验证修复的 ARIA 数据集，并据此训练一个紧凑模型来识别干预时机与修正方式。报道称该模型在后验与运行时场景中均表现良好，并可泛化到未见过的框架和宿主模型；论文注明代码已公开。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。