ARIA: inspección y corrección en tiempo de ejecución para sistemas multiagente
En sistemas multiagente basados en LLM, un error local puede propagarse y hacer fracasar toda la tarea. ARIA propone aprender cuándo y cómo reparar una ejecución en curso, en lugar de diagnosticar runs terminados o repetirlos. Los autores reúnen más de 24 000 trayectorias exitosas y fallidas de cuatro frameworks y seis benchmarks, y construyen un dataset con 3953 pares de reparación verificados por ejecución. Con ese dato entrenan un modelo capaz de intervenir durante la ejecución sin probar alternativas repetidamente.
Qué significa
Para quien construye sistemas con varios agentes, apunta a intervenir cuando un agente se equivoca a mitad de tarea, en vez de dejar que el error arrastre al resultado final.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.AILeer la noticia completa en arXiv cs.AI