DynaFlow ensina o agente principal a escrever workflows e supera a base em 10,9 p.p.

Pesquisadores da National University of Singapore (Ruhao Liu, Qi Li, Shizun Wang, Xinchao Wang) publicaram o DynaFlow, um framework de orquestração multiagente. Nele, o agente principal decide sozinho quando precisa de ajuda e, para isso, escreve um programa executável curto. Em seis benchmarks, o DynaFlow atingiu 88,08% de acurácia geral no modo Forced. O resultado fica 10,90 pontos percentuais acima do melhor sistema de base testado, e todos os sistemas foram comparados sobre o mesmo modelo, o Qwen3.5-27B.

Orquestração como ação, não como esquema

A maioria dos sistemas multiagente tem uma estrutura rígida. Há uma arquitetura predefinida, com planejador, executor e crítico, e uma ordem fixa de troca de mensagens. Para tarefas que não se encaixam no modelo, esse desenho vira um teto.

No DynaFlow, a síntese de workflow faz parte do espaço de ações do agente principal, no mesmo nível das demais etapas de raciocínio. O agente decide se a colaboração é necessária. Se for, ele gera um programa sob medida para a tarefa. Esse programa pode acionar subagentes em sequência ou em paralelo, trocar informações estruturadas entre eles e verificar resultados intermediários.

O ponto central está no ciclo de feedback. Os resultados da execução e os traces voltam ao agente principal e influenciam as próximas ações. A estrutura da colaboração se reorganiza ao longo do raciocínio, em vez de ficar fixada desde o início.

Treina-se o maestro, os músicos ficam como estão

Os autores separaram de propósito o treinamento da orquestração da melhoria dos executores. Só o agente principal passa por ajuste adicional. Todos os subagentes permanecem inalterados, então o ganho não pode ser atribuído a modelos de trabalho mais fortes.

O processo tem duas etapas:

• Supervised fine-tuning em trajetórias destiladas: o agente principal aprende, a partir de exemplos prontos, como construir workflows.
• Ajuste adicional em exemplos filtrados: a amostra perde as trajetórias que apresentam três tipos de defeito.

Os filtros são estes:

• premissas sem fundamento (unsupported premises): a conclusão se apoia em algo que não existe nos dados de origem;
• verificação enviesada (biased verification): a checagem confirma o resultado em vez de avaliá-lo;
• defeitos no fluxo de informação (information-flow defects): a saída de uma etapa se perde e não chega à seguinte.

O terceiro item talvez seja o mais interessante. Os autores consideram que a qualidade de um sistema multiagente não depende do número de agentes nem da elegância do grafo, e sim de o resultado de um passo chegar ao passo seguinte.

O que as medições mostraram

A avaliação usou seis benchmarks que cobrem raciocínio matemático, perguntas e respostas científicas e busca multi-hop, ou seja, tarefas em que a resposta é montada a partir de várias etapas ou fontes.

Principais parâmetros:

• Base: Qwen3.5-27B, a mesma para o DynaFlow e para os sistemas de base.
• Acurácia geral: 88,08% no modo Forced.
• Diferença: +10,90 p.p. sobre o melhor sistema de base testado.
• Parte treinada: apenas o agente principal; os subagentes ficam fixos.
• Método: SFT em trajetórias destiladas, seguido de filtragem por três tipos de defeito.

A análise dos workflows gerados após o treinamento mostrou que o agente passa a usar com mais frequência, e de forma explícita, as saídas das etapas anteriores, verificando-as e refinando-as. Antes do treinamento, essas conexões entre passos apareciam com menos frequência. Os autores apontam justamente essa transferência de informação entre etapas como uma das principais dimensões de qualidade da orquestração.

O que dá para aproveitar na prática

O trabalho se apresenta como uma receita, e não como um produto fechado. O código está no GitHub (amiya-special/Dynaflow), e há uma página do projeto e um artigo no arXiv com o número 2610.34467. No momento da publicação, o repositório é bem recente (cerca de três estrelas), e a página do artigo no Hugging Face não tem nenhum modelo, dataset ou Space vinculado. Quem quiser reproduzir o resultado terá de fazer isso por conta própria.

Para equipes que constroem sistemas agênticos, as conclusões práticas são estas. Primeiro, vale tentar a orquestração como uma habilidade treinável. Um modelo de porte médio, com 27 bilhões de parâmetros, aprende a construir os próprios workflows, e isso dispensa um ciclo completo e caro de retreinamento de todos os participantes. Segundo, ao montar trajetórias de treinamento, é útil filtrar os dados pelo comportamento: checar se o verificador não aprova tudo indiscriminadamente e se os resultados intermediários não se perdem. Terceiro, ao avaliar sistemas multiagente, convém olhar não só a acurácia final, mas também os traces, em particular como as saídas dos passos anteriores são usadas.

As limitações também são visíveis. Os resultados vêm de matemática, perguntas científicas e busca multi-hop. Ainda não se sabe como o DynaFlow se comportaria em sessões longas de programação ou no uso de ferramentas externas. Mesmo assim, a ideia de que o agente escreve o programa da sua própria coordenação e aprende a fazer isso com cuidado já parece funcional e reproduzível.