FR
DynaFlow : apprendre à orchestrer librement plusieurs agents
DynaFlow: Learning Free-Form Multi-Agent Orchestration · arXiv:2610.34467
En termes simples
Certaines questions se résolvent directement ; d’autres nécessitent que plusieurs agents se transmettent leur travail. DynaFlow entraîne un agent principal à choisir entre répondre lui-même et écrire un programme qui coordonne des agents auxiliaires fixes.
Il peut examiner les résultats qu’ils renvoient et décider de la suite. Dans six jeux de questions, le mode avec processus de travail, sans entraînement, a souvent obtenu un score inférieur aux réponses directes.
Après l’entraînement, il a égalé ou dépassé les réponses directes du modèle non entraîné dans les six jeux. Ces tests ne montrent pas comment le système fonctionnerait sur tous les types de questions.
La recherche
Quand les tâches varient, une façon fixe de répartir le travail peut ajouter une coordination inutile ou empêcher la transmission des résultats nécessaires entre les étapes.
La question est de savoir si un agent principal peut apprendre à la fois quand déléguer et comment organiser le travail, au lieu de simplement avoir accès à d’autres agents.
DynaFlow entraîne un agent principal à choisir entre répondre directement et écrire des processus de travail pour des sous-agents fixes, puis évalue l’exactitude et la coordination sur six jeux de questions.
Les chercheurs ont évalué l’exactitude des réponses finales sur 688 questions réparties entre six jeux couvrant les mathématiques de compétition et multilingues, le raisonnement scientifique et les questions nécessitant de réunir des éléments de preuve en plusieurs étapes.
Ils ont comparé les réponses directes et les processus de travail, dans lesquels un agent principal entraîné répartit et coordonne le travail de sous-agents fixes, à d’autres méthodes utilisant le même modèle de base Qwen3.5-27B.
En mode forcé, qui impose un processus de travail avant la résolution concrète, DynaFlow a obtenu 88.08 %, contre 77.18 % pour Self-Refine, la méthode de référence évaluée qui a obtenu le meilleur score. Par ailleurs, sans entraînement à la coordination, le mode avec processus de travail a obtenu un score inférieur aux réponses directes dans cinq jeux ; après l’entraînement de l’étape 1, le mode forcé a égalé ou dépassé les réponses directes du modèle non entraîné dans les six jeux.
Cette tendance suggère que le simple accès à des processus de travail ne suffisait pas dans ces tests.
Les résultats portent sur 688 questions issues de six jeux d’évaluation échantillonnés, et non sur les tâches en général.
Le passage de l’étape 1 à l’étape 2 combine aussi des exemples d’entraînement sélectionnés et un entraînement supplémentaire ; les résultats présentés ne comprennent pas le contrôle nécessaire, avec un sous-ensemble aléatoire de même taille, pour isoler l’effet de la sélection.
Ce que montrent les preuves
- Pourquoi les plans fixes échouent parfois
Certaines questions peuvent être résolues par un seul système ; d’autres nécessitent des étapes distinctes qui dépendent de résultats précédents. Une organisation fixe peut ajouter du travail inutile aux questions simples ou ne pas transmettre les informations entre des étapes dépendantes.
La recherche examine si un système peut décider quand la collaboration est utile et l’organiser en fonction de la tâche.
- Laisser l’agent choisir
DynaFlow est un cadre dans lequel un agent principal entraîné peut répondre directement, utiliser un outil ou écrire un programme qui coordonne des sous-agents fixes. Le programme répartit le travail et précise les dépendances ainsi que la transmission des informations.
Les résultats renvoyés et la trace d’exécution guident la décision suivante de l’agent principal, y compris celle de créer ou non un autre processus de travail.
- L’entraînement change le résultat
Les chercheurs ont évalué l’exactitude des réponses finales sur 688 questions réparties entre six jeux couvrant les mathématiques de compétition et multilingues, le raisonnement scientifique et les questions nécessitant de réunir des preuves en plusieurs étapes.
Sans entraînement à la coordination, imposer un processus de travail a donné un score inférieur aux réponses directes dans cinq jeux. Après l’entraînement de l’étape 1, le mode avec processus de travail a égalé ou dépassé les réponses directes du modèle non entraîné dans les six jeux.
- Comparer les systèmes dans leur ensemble
En mode forcé, qui impose un processus de travail avant la résolution concrète, DynaFlow a atteint 88.08 % d’exactitude sur les 688 questions. Self-Refine, la méthode de référence évaluée qui a obtenu le meilleur score global, a atteint 77.18 %.
Les deux utilisent le même modèle de base Qwen3.5-27B, mais leur entraînement et leur procédure de réponse diffèrent ; cette comparaison évalue donc les systèmes dans leur ensemble.
- Choisir quand collaborer
Le mode dynamique laisse l’agent entraîné choisir entre une réponse directe et un processus de travail. Il a répondu directement à 47.1 % des questions et atteint 87.94 % d’exactitude, un résultat proche des 88.08 % du mode forcé.
En comptant toutes les questions, il a utilisé en moyenne 2.44 sous-agents par question, contre environ 4.16 en mode forcé. Dans cette évaluation, ces moyennes suggèrent qu’une collaboration sélective peut préserver l’exactitude tout en réduisant le nombre d’agents mobilisés.
Détails
- Auteurs de l’article original
- Ruhao Liu, Qi Li, Shizun Wang, Xinchao Wang
- Soumis à arXiv
- Licence
- CC BY 4.0