ES
DynaFlow: aprendizaje de la coordinación flexible entre agentes
DynaFlow: Learning Free-Form Multi-Agent Orchestration · arXiv:2610.34467
En palabras sencillas
Algunas preguntas se pueden responder directamente, mientras que otras requieren que varios agentes se pasen el trabajo. DynaFlow entrena a un agente principal para que elija entre responder y escribir un programa que coordine agentes auxiliares fijos.
Puede revisar lo que estos devuelven y decidir qué hacer después. En seis conjuntos de preguntas, usar flujos de trabajo sin entrenamiento a menudo dio puntuaciones inferiores a las respuestas directas. Después del entrenamiento, el modo de flujo de trabajo igualó o superó las respuestas directas del modelo sin entrenar en los seis conjuntos. Las pruebas no muestran cómo funcionaría con todos los tipos de preguntas.
La investigación
Cuando las tareas varían, una sola forma de repartir el trabajo puede añadir coordinación innecesaria o no transmitir los resultados necesarios entre etapas.
La pregunta es si un agente principal puede aprender tanto cuándo delegar como la forma de organizar ese trabajo, en vez de limitarse a recibir acceso a otros agentes.
DynaFlow entrena a un agente principal para elegir entre responder directamente y crear flujos de trabajo para subagentes fijos, y evalúa la precisión y la coordinación en seis conjuntos de preguntas.
Los investigadores evaluaron la precisión de las respuestas finales en 688 preguntas de seis conjuntos sobre matemáticas de competición y multilingües, razonamiento científico y preguntas que requieren reunir pruebas en varios pasos.
Compararon respuestas directas y flujos de trabajo —en los que un agente principal entrenado asigna y coordina el trabajo de subagentes fijos— con otros métodos que usan la misma base de modelo, Qwen3.5-27B.
En el modo obligatorio, que exige un flujo de trabajo antes de resolver sustancialmente el problema, DynaFlow obtuvo un 88,08 %, frente al 77,18 % de Self-Refine, la referencia evaluada con mayor precisión global. Por separado, usar flujos de trabajo sin entrenamiento de coordinación dio resultados inferiores a las respuestas directas en cinco conjuntos; tras el entrenamiento de la Etapa 1, el modo obligatorio igualó o superó las respuestas directas del modelo sin entrenar en los seis. Este patrón sugiere que, en estas pruebas, disponer de flujos de trabajo no bastaba por sí solo.
Los resultados abarcan 688 preguntas de seis conjuntos de evaluación seleccionados, no tareas en general. Los cambios del flujo de trabajo de la Etapa 1 a la Etapa 2 también combinan ejemplos de entrenamiento seleccionados con entrenamiento adicional; los resultados presentados no incluyen el control con una muestra aleatoria del mismo tamaño que permitiría aislar el efecto de la selección.
Qué muestran las pruebas
- Por qué fallan los planes fijos
Un solo sistema puede responder algunas preguntas, mientras que otras requieren pasos separados que dependen de resultados anteriores. Un patrón fijo de colaboración puede añadir trabajo innecesario a las preguntas sencillas o no transmitir información entre pasos dependientes.
La investigación pregunta si un sistema puede decidir cuándo resulta útil colaborar y organizar esa colaboración según la tarea.
- Dar opciones al agente
DynaFlow es un marco que permite a un agente principal entrenado elegir entre responder directamente, usar una herramienta o escribir un programa que coordine subagentes fijos.
El programa asigna el trabajo y especifica las dependencias y la transferencia de información. Los resultados devueltos y el registro de ejecución orientan la siguiente decisión del agente principal, incluida la posibilidad de crear otro flujo de trabajo.
- El entrenamiento cambia el resultado
Los investigadores evaluaron la precisión de las respuestas finales en 688 preguntas de seis conjuntos sobre matemáticas de competición y multilingües, razonamiento científico y preguntas que requieren pruebas reunidas en varios pasos.
Sin entrenamiento de coordinación, exigir un flujo de trabajo dio una puntuación inferior a las respuestas directas en cinco conjuntos. Tras el entrenamiento de la Etapa 1, el modo de flujo de trabajo igualó o superó las respuestas directas del modelo sin entrenar en los seis.
- Comparar los sistemas completos
En el modo obligatorio, que exige un flujo de trabajo antes de resolver sustancialmente el problema, DynaFlow alcanzó una precisión del 88,08 % en las 688 preguntas. Self-Refine, la referencia evaluada con mayor precisión global, alcanzó el 77,18 %.
Ambos usan la misma base de modelo, Qwen3.5-27B, pero difieren en el entrenamiento y el procedimiento de respuesta; por eso, esta comparación mide los sistemas completos.
- Elegir cuándo colaborar
El modo dinámico permite que el agente entrenado decida entre responder directamente y crear un flujo de trabajo. Respondió directamente al 47,1 % de las preguntas y alcanzó una precisión del 87,94 %, cercana al 88,08 % del modo obligatorio.
Su promedio de 2,44 subagentes por pregunta, contando todas las preguntas, fue inferior a los aproximadamente 4,16 del modo obligatorio. Estos promedios sugieren que, en esta evaluación, colaborar de forma selectiva puede conservar la precisión con menos uso de agentes.
Detalles
- Autores del paper original
- Ruhao Liu, Qi Li, Shizun Wang, Xinchao Wang
- Enviado a arXiv
- Licencia
- CC BY 4.0