DynaFlow enseña al agente principal a escribir workflows y supera a la base en 10,9 p. p.

Investigadores de la National University of Singapore (Ruhao Liu, Qi Li, Shizun Wang, Xinchao Wang) han publicado DynaFlow, un framework de orquestación multiagente. En él, el agente principal decide por sí mismo cuándo necesita ayuda y escribe para ello un programa ejecutable corto. En seis benchmarks, DynaFlow logró un 88,08% de precisión global en modo Forced. Son 10,90 puntos porcentuales más que el mejor de los sistemas base evaluados, y todos se compararon sobre la misma base: Qwen3.5-27B.

La orquestación como acción, no como esquema

La mayoría de los sistemas multiagente son rígidos. Tienen una estructura predefinida (planificador, ejecutor, crítico) y un orden fijo de transmisión de mensajes. Para las tareas que no encajan en la plantilla, ese esquema se convierte en un techo.

En DynaFlow, la síntesis de workflows forma parte del espacio de acciones del agente principal, al mismo nivel que el resto de los pasos de razonamiento. El agente decide si hace falta colaboración. Si la necesita, genera un programa para la tarea concreta. Ese programa puede lanzar subagentes de forma secuencial o paralela, intercambiar información estructurada entre ellos y verificar resultados intermedios.

La clave está en el bucle de retroalimentación. Los resultados de la ejecución y las trazas vuelven al agente principal y condicionan sus siguientes acciones. La estructura de colaboración se reorganiza a medida que avanza el razonamiento, en lugar de quedar fijada desde el principio.

Se entrena al director, no a los músicos

Los autores separaron de forma deliberada el entrenamiento de la orquestación y la mejora de los ejecutores. Solo se ajusta el agente principal. Todos los subagentes permanecen sin cambios, así que la mejora no puede atribuirse a que los modelos de trabajo sean más potentes.

El proceso tiene dos etapas:

• Supervised fine-tuning con trayectorias destiladas: el agente principal aprende a construir workflows a partir de ejemplos ya hechos.
• Ajuste posterior con ejemplos filtrados: se eliminan de la muestra las trayectorias con tres tipos de defectos.

Los filtros son estos:

• premisas sin fundamento (unsupported premises): la conclusión se apoya en algo que no está en los datos de partida;
• 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 que el resultado de un paso llegue al siguiente.

Qué muestran las mediciones

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

Parámetros clave:

• Base: Qwen3.5-27B, la misma para DynaFlow y para los sistemas base.
• Precisión global: 88,08% en modo Forced.
• Ventaja: +10,90 p. p. frente al mejor de los sistemas base evaluados.
• Parte entrenable: solo el agente principal; los subagentes están fijos.
• Método: SFT con trayectorias destiladas y posterior filtrado por tres tipos de defectos.

El análisis de los workflows generados tras el entrenamiento mostró que el agente usa con más frecuencia y de forma explícita las salidas de las etapas anteriores, las verifica y las refina. Antes del entrenamiento, estos vínculos entre pasos eran menos habituales. Los autores señalan esta transmisión de información entre etapas como una de las principales dimensiones de calidad de la orquestación.

Qué se puede llevar a la práctica

El trabajo se parece más a una receta que a un producto cerrado. El código está en GitHub (amiya-special/Dynaflow), y hay una página del proyecto y un artículo en arXiv con el número 2610.34467. En el momento de la publicación, el repositorio es muy reciente (unas tres estrellas) y a la página del artículo en Hugging Face no hay vinculados modelos, datasets ni Spaces. Habrá que reproducir el resultado por cuenta propia.

Para los equipos que construyen sistemas agénticos, las conclusiones prácticas son estas. Primero, merece la pena probar la orquestación como una habilidad entrenable. Un modelo de tamaño medio, de 27 mil millones de parámetros, aprende a construir sus propios workflows, y para ello no hace falta un costoso ciclo completo de reentrenamiento de todos los participantes. Segundo, al construir trayectorias de entrenamiento conviene filtrar los datos por comportamiento: comprobar que el verificador no lo aprueba todo y que no 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. Cómo se comportará DynaFlow en sesiones largas de programación o al trabajar con herramientas externas es algo que aún se desconoce. Aun así, la idea de que un agente escriba el programa de su propia coordinación y aprenda a hacerlo con cuidado ya parece funcional y reproducible.