DynaFlow: главный агент сам собирает рабочие процессы для субагентов и берёт 88,08% точности
Авторы статьи исходят из того, что мультиагентные системы часто опираются на заранее заданные структуры взаимодействия, из-за чего хуже подстраиваются под разные задачи. Для решения они предлагают DynaFlow: фреймворк, в котором создание исполняемого рабочего процесса произвольной формы входит в пространство действий главного агента.
Главный агент сам решает, нужна ли кооперация, и генерирует под задачу программы, которые координируют субагентов: последовательное или параллельное выполнение, структурированный обмен информацией и проверку. Результаты выполнения и трассы влияют на следующие действия, так что агент может перестраивать взаимодействие по ходу рассуждения.
Обучается только главный агент. Сначала идёт обучение с учителем (supervised fine-tuning) на дистиллированных траекториях, затем дообучение на примерах, отфильтрованных от необоснованных посылок, смещённой проверки и дефектов в потоке информации. Все субагенты остаются неизменными, поэтому обучение оркестрации отделено от улучшения возможностей исполнителей.
Результаты: на шести бенчмарках (математические рассуждения, научные вопросы и ответы, многошаговый поиск информации) DynaFlow, по заявлению авторов, достигает 88,08% общей точности в режиме Forced. Это на 10,90 процентного пункта выше самого сильного из оценённых базовых методов при той же основе Qwen3.5-27B. Анализ рабочих процессов показывает, что после обучения агент чаще явно использует, проверяет и уточняет выходные данные предыдущих этапов. Авторы делают вывод, что поток информации между этапами, ключевое измерение оркестрации мультиагентных систем.
Ключевые факты
- DynaFlow встраивает синтез исполняемых рабочих процессов произвольной формы в пространство действий главного агента.
- Обучается только главный агент: дообучение с учителем на дистиллированных траекториях и затем на отфильтрованных примерах; субагенты не меняются.
- Заявлено 88,08% общей точности в режиме Forced на шести бенчмарках (математика, научные вопросы, многошаговый поиск).
- Отрыв от сильнейшего из оценённых базовых методов с той же основой Qwen3.5-27B, 10,90 процентного пункта.
- После обучения агент чаще использует, проверяет и уточняет результаты предыдущих этапов.
Почему это важно
Многие мультиагентные системы работают по жёстко заданным схемам взаимодействия. DynaFlow предлагает другой подход: главный агент сам решает, когда нужна кооперация, и пишет под задачу программу, которая управляет субагентами. Важная идея, разделить обучение оркестрации и улучшение исполнителей: учится только главный агент.
Кому это важно
Исследователям и разработчикам мультиагентных систем и агентных надстроек над языковыми моделями, а также тем, кто занимается обучением оркестраторов на траекториях и фильтрацией обучающих данных.
Как это применить
В описании статьи не упомянуты ни код, ни выпуск модели или набора данных, поэтому готового инструмента для использования здесь нет. Идеи можно взять как ориентир: дать главному агенту возможность строить процесс как программу, держать субагентов неизменными и фильтровать обучающие примеры по дефектам потока информации.
Можно ли доверять
Это только аннотация статьи на Hugging Face Papers; результаты, заявления авторов. Имена авторов и организаций в тексте не названы. Цифра 88,08% относится только к режиму Forced, смысл которого в аннотации не раскрыт. Сильнейший базовый метод не назван и его результат не приведён, как и результаты по отдельным бенчмаркам.
Риски и подводные камни
Без названий бенчмарков, базовых методов и пояснения режима Forced сложно оценить, насколько сопоставимо сравнение. Отрыв в 10,90 процентного пункта, абсолютная разница, а не относительный рост. Данные о стоимости вычислений, задержках и объёме обучающей выборки не приведены, так что практическая цена такого подхода неизвестна.