DynaFlow enseña a un agente líder a escribir sus propios workflows y supera a la base en 10,9 puntos

Investigadores de la National University of Singapore (Ruhao Liu, Qi Li, Shizun Wang, Xinchao Wang) publicaron DynaFlow, un framework para orquestación multiagente. En él, el agente líder decide por sí mismo cuándo necesita ayuda y escribe para ello un breve programa ejecutable. En seis benchmarks, DynaFlow logró 88,08% de precisión general en modo Forced, 10,90 puntos porcentuales por encima del sistema base más fuerte probado, todos comparados sobre la misma base Qwen3.5-27B.

Orquestación como acción, no como esquema

La mayoría de los sistemas multiagente están construidos de forma rígida. Hay una estructura predefinida: un planificador, un ejecutor, un crítico, un orden fijo para pasar mensajes. Para tareas que no encajan en la plantilla, esa estructura se convierte en un techo.

En DynaFlow, la síntesis de workflows forma parte del espacio de acciones del agente líder, al mismo nivel que sus otros pasos de razonamiento. El propio agente decide si necesita colaboración. Si la necesita, genera un programa a medida para la tarea concreta. Ese programa puede ejecutar subagentes en secuencia o en paralelo, intercambiar información estructurada entre ellos y verificar resultados intermedios.

Lo clave está en el bucle de retroalimentación. Los resultados de ejecución y las trazas vuelven al agente líder e influyen en sus siguientes acciones. La estructura de colaboración se reconstruye sobre la marcha del razonamiento, no se fija al inicio.

Entrenar al director, no tocar a los músicos

Los autores separaron deliberadamente el entrenamiento de la orquestación de la mejora de los ejecutores. Solo se ajusta el agente líder. Todos los subagentes permanecen sin cambios, así que el avance no puede atribuirse a que los modelos de trabajo se volvieron más fuertes.

El proceso tiene dos etapas:

• Ajuste fino supervisado (SFT) sobre trayectorias destiladas: el agente líder aprende de ejemplos ya elaborados cómo construir workflows.
• Ajuste fino sobre ejemplos filtrados: se eliminan de la muestra las trayectorias con tres tipos de defectos.

Los filtros son:

• premisas infundadas (unsupported premises): la conclusión se apoya en algo que no está en los datos de origen;
• verificación sesgada (biased verification): la comprobación confirma el resultado en lugar de evaluarlo;
• defectos en el flujo de información (information-flow defects): la salida de una etapa se pierde y no llega a la siguiente.

El tercer punto es quizá el más interesante. Los autores sostienen que la calidad de un sistema multiagente no depende del número de agentes ni de lo elegante que sea el grafo, sino de si el resultado de un paso realmente llega al siguiente.

Qué mostraron las mediciones

La evaluación se realizó en seis benchmarks que abarcan razonamiento matemático, preguntas y respuestas científicas y búsqueda multi-hop, es decir, tareas donde la respuesta se construye a partir de varios pasos o fuentes.

Cifras clave:

• Base: Qwen3.5-27B, la misma para DynaFlow y los sistemas base.
• Precisión general: 88,08% en modo Forced.
• Diferencia: +10,90 puntos porcentuales sobre el sistema base más fuerte probado.
• Parte entrenada: solo el agente líder; los subagentes están fijos.
• Método: SFT sobre trayectorias destiladas y filtrado posterior por tres tipos de defectos.

El análisis de los workflows generados después del entrenamiento mostró que el agente usa con más frecuencia de forma explícita las salidas de etapas anteriores, las verifica y las refina. Antes del entrenamiento, esas conexiones entre pasos aparecían con menos frecuencia. Precisamente esa transferencia de información entre etapas es lo que los autores llaman una de las principales medidas de la calidad de la orquestación.

Qué se puede llevar al trabajo real

El trabajo se parece más a una receta que a un producto cerrado. El código está disponible en GitHub (amiya-special/Dynaflow), hay una página del proyecto y un artículo en arXiv con el número 2610.34467. Al momento de la publicación, el repositorio es muy reciente (alrededor de tres estrellas), y la página del artículo en Hugging Face no tiene vinculados modelos, datasets ni Spaces. Reproducir el resultado quedará en manos de cada equipo.

Para los equipos que construyen sistemas agénticos, las conclusiones prácticas son estas. Primero, vale la pena probar la orquestación como una habilidad entrenable. Un modelo de tamaño medio, de 27.000 millones de parámetros, puede aprender a construir sus propios workflows sin necesitar un costoso ciclo completo de reentrenamiento de todos los participantes. Segundo, al armar trayectorias de entrenamiento conviene filtrar los datos por comportamiento: comprobar si el verificador confirma todo sin criterio y si se pierden resultados intermedios. Tercero, al evaluar sistemas multiagente conviene mirar no solo la precisión final, sino también las trazas, en particular cómo se usan las salidas de los pasos anteriores.

Las limitaciones también son visibles. Los resultados se obtuvieron en matemáticas, preguntas científicas y búsqueda multi-hop. Todavía no se sabe cómo se comportará DynaFlow en sesiones largas de programación o al trabajar con herramientas externas. Pero la idea misma —que un agente escriba el programa de su propia coordinación y aprenda a hacerlo con cuidado— ya parece funcional y reproducible.