DynaFlow 讓主代理現寫協作流程：準確率 88.08%，何時反而不用子代理？
DynaFlow 只訓練主代理，以 JavaScript 組合固定子代理和工具。解析 688 題的 88.08% 準確率、兩階段監督式訓練、47.1% 直接作答，以及呼叫數與成本不能混用的限制。
把一道題目交給多個 AI，不代表答案就會更好。前一個模型找到了線索，後一個卻沒收到。負責驗證的模型又被提示「請確認這個答案」，錯誤就可能一路留下來。
DynaFlow 把協作流程也當成模型要學的工作：主代理可以直接答題、叫工具，或寫出一段程式，安排子代理先後或平行處理，再根據回傳結果決定下一步。
新加坡國立大學研究者在 2026 年 10 月 25 日提交這套方法。訓練只更新主代理，負責解題和查證的子代理保持固定，以便觀察協調能力改變了什麼。
在六組評測共 688 題中，強制協作模式的整體準確率為 88.08%。允許主代理自己選擇是否協作時為 87.94%，其中 47.1% 的題目直接作答。
這裡省下的是平均子代理呼叫數，不能直接換成相同比例的 Token、費用或等待時間。Token 是模型處理文字的計量單位。部分比較組也沒有同樣的搜尋工具，總分仍要拆開看。
多代理的價值應落在證據真的傳到下一步，而不是角色數量看起來多完整。DynaFlow 值得借用的方向，是讓主代理把分工和資料傳遞寫成可執行流程，並保留簡單題目不必分工的選擇。
DynaFlow 主代理怎麼把協作流程變成可執行動作？
DynaFlow 讓主代理生成 JavaScript 流程，指定子代理的角色、輸入、先後與平行關係，再把執行輸出和紀錄帶回下一輪。
這裡的主代理不是先畫一張固定角色圖，然後所有問題都照表執行。它可以直接回答、使用一般工具，或把一段協作程式當成新的動作。程式執行後的結果，會成為主代理下一次判斷的資訊。
流程可以先平行找兩份線索，再等待它們完成，交給後面的角色比對。也可以讓某一步先取得關鍵名稱，下一步才依名稱搜尋。這些先後與資料依賴寫在程式中，不只存在於「請你們合作」的自然語言要求。
JavaScript 在此是表達流程的程式語言。主代理用它定義要叫誰、傳什麼資料、如何接回結果，執行環境則依預算運作，回傳輸出與各次呼叫的狀態。研究沒有因此保證任意生成的程式都會正確或沒有副作用。
如果第一次資訊不夠，主代理可以根據執行紀錄繼續叫工具或建立後續流程，而非只能接受最初的一次安排。這種回饋能力使它能修訂分工，但也增加需要核對的中間決定，不能只看最後答案是否碰巧正確。
一旦啟動工作流程，主代理便受限於協調、檢查和整理，實質解題交給子代理。這個限制有助觀察它是否真的學會分工，而非表面上叫了幾個角色，最後仍靠主代理自己把題目重做一遍。
可執行不代表資訊傳得正確，因此需要進一步看流程如何讓下游使用上游結果。
多個角色怎麼收到線索，並獨立檢查答案？
每個子代理只收到流程明確提供的指令與資料，主代理必須在程式中傳入前面結果，也不能把預期答案偽裝成已知事實。
這是多代理容易忽略的限制。角色有了名稱，不代表它會自動看到其他角色的全部對話。如果第一個代理找到一個年份，第二個只收到模糊的「再確認一下」，資訊就可能在交接時消失，或被另一個沒有來源的年份取代。
可以用一個假設的查詢理解：先確認某節目的客座評審是誰，再查那位評審何時開始音樂生涯。第二步需要收到前一步的姓名與依據，最後還要核對兩段資料談的是同一個人，不能只把兩個搜尋摘要並排就當成證據鏈。
驗證指令也可能有偏見。如果主代理先猜出答案，再要求另一個角色「證明這個答案正確」，驗證者便被引向預設結論。獨立檢查應讓它能提出不同結果，而不是將接受某個答案當成完成任務的條件。
研究因此區分三類示範缺陷：把未證實前提當事實、把驗證導向預期答案，以及資訊傳遞缺漏。後者包括漏給脈絡、引用錯結果、傳輸時遺失重要內容，或直接用寫死的猜測代替上游實際輸出。
對示範品質的判斷還必須有程式或啟動參數中的對應片段作證，不能只因流程看起來複雜就說有問題。如果流程沒有驗證階段，也不會假裝每一題都存在同樣類型的驗證錯誤。
這也說明平行呼叫和真正協作的差別。兩個角色各自回答、最後把文字串接，可能完全沒有利用彼此結果。把前一步輸出明確交給下一步核查，才會形成可追蹤的依賴。程式裡的變數與輸入因此具有方法上的作用，而非只是實作細節。
這種協調習慣來自示範與資料篩選，接著要看訓練究竟更新了誰。
兩階段訓練為何只更新主代理？
團隊先以 2,031 筆蒸餾示範訓練主代理，再用其中篩出的 712 筆續訓，所有解題子代理都維持原模型。
蒸餾可以理解為讓較強的教師產生示範，再讓學生學習其中的做法。這裡教師使用 GLM 5.3 Max，學生主代理與子代理以 Qwen 3.5 27B 為基礎。子代理沒有因為主代理訓練而換成更強模型。
兩階段都屬監督式微調，也就是模仿指定示範輸出，並非靠任務獎勵進行強化學習。研究使用的輕量微調方式只調整部分參數，但這不改變它是在學習示範，而非讓整個多代理群體同時自我演化。
訓練目標主要是第一輪的分析與工作流程動作。問題、指示和工具定義提供脈絡，模型則學習如何提出第一份可執行分工。它能在推論時根據回饋繼續行動，不代表訓練已逐輪模仿每一個後續決定。
第一階段先要求最終答案正確、且符合實質解題交給子代理的規則。第二階段再挑出避免前述三類缺陷的完整示範，以較小學習率續訓。保留正確結果只是門檻，流程品質是額外的選擇條件。
這個設計把協調者和執行者的能力改變分開，較能觀察同樣子代理由不同主代理安排時會發生什麼事。不過，第二階段同時增加訓練，若要單獨證明篩選品質的效果，仍需要等量隨機資料續訓作對照。
固定執行者有助觀察協作改變，但成效仍要放回指定題目與工具設定比較。
延伸閱讀：Anthropic 建議收回多餘子代理：何時改用主代理、Skills 與工具？
688 題的 88.08%，和哪些方法可直接對照？
88.08% 是六組評測共 688 題的逐題加總準確率，最直接的比較是同樣子代理與執行環境下，主代理訓練前後的變化。
688 題包括三年 AIME 各 30 題，另外有 200 題 PolyMATH、198 題 GPQA-Diamond 與 200 題 HotpotQA。
整體分數依所有題目計算，因此三組各 30 題的數學評測，不會各自取得與 200 題組別相同的權重。
強制協作模式要求第一個實質動作使用工作流程。相同執行者與環境下，未受協調訓練的主代理整體為 75.87%，完整訓練後為 88.08%，差 12.21 個百分點。這是訓練前後的比較，不是相對增加 12.21%。
論文另以最強已評估基準的 77.18% 作比較，差距為 10.90 個百分點。這兩個增益使用不同對照，不能交替當成同一數字。後者的基準方法也有自己的推理、重答或固定流程條件。
分項並非全部領先。強制模式在這三年 AIME 共 90 題全答對，但 GPQA-Diamond 為 84.85%，仍低於部分自我修訂和既有工作流程方法。有限題目上的全對，不等於任何新數學題都有百分之百保證。
搜尋權限尤其重要。HotpotQA 的協作流程可以上網搜尋，而不使用工具的基準沒有同樣檢索能力。較可參考的搜尋對照，是有搜尋的基底模型為 77.5%，動態協作為 84.5%。不能把無搜尋組的全部差距都歸給分工。
整體較高仍不表示每類題目最佳，也不回答簡單題目是否值得啟動整套協作流程。
47.1% 直接作答，省下的是什麼？
動態模式讓主代理對部分問題直接作答，使平均子代理數下降，而整體準確率接近強制協作模式。
完整訓練後，動態模式的整體準確率為 87.94%，與強制模式相差 0.14 個百分點。其中 47.1% 的問題不啟動工作流程，而是直接回答，顯示「是否需要分工」也可以和「如何分工」一起觀察。
若把直接回答的題目也計入平均，動態模式每題約使用 2.44 個子代理，強制模式約為 4.16 個，少約 41%。包含主代理時的角色數又是另一種數字，不能拿不同分母相減，或把沒有叫子代理的問題排除後仍沿用原平均。
角色數下降不等於每個角色輸出一樣長。較少呼叫可能伴隨更長的推理、搜尋或驗證，因此論文這項比較不能直接變成 Token 節省比例。文字處理量與代理人數並沒有固定換算關係。
等待時間也取決於流程的先後和平行安排。四個可以同時進行的查詢，未必比兩個必須前後接續的查詢慢一倍。若要估算實際延遲和費用，仍須保存呼叫時間、輸入輸出長度與所用工具。
未受訓練的基底主代理在動態模式只有 65.12%，反而低於直接回答的 71.51%。這項對照提醒讀者：單純增加選擇和協作介面，可能讓模型做出不適合的路由。有工具可用，不代表已經學會何時該用。
流程分析還觀察到，明確傳遞並要求使用上游結果的程式比例，在基底、第一階段和第二階段依序提高。這類指標測的是流程設計是否寫出資訊用途，不表示被傳遞的線索一定正確，也不是人工已查證每個中間答案。
代理數減少不等於成本按相同比例下降，公開實作還必須接上模型、搜尋與執行環境才能測自己的任務。
公開程式提供什麼，能否直接重現論文模型？
截至 2026 年 10 月 27 日，官方提供 MIT 授權程式與 API 呼叫介面的示範流程，但這不等於已驗證公開了論文的訓練後權重。
DynaFlow 官方程式庫分成直接、動態與強制三種示範模式。協作模式需要模型能使用工具，也要準備對應執行環境和搜尋服務。程式可以連到相容 API，不表示任何接入的模型都會重現論文分數。
示範完成的定義也值得留意。官方說明中的成功，是問題都交回有效格式的答案，並非自動判定答案內容正確。執行管線可運作和解題品質通過評測，是兩個要分開檢查的成果。
MIT 授權提供程式使用與修改空間，外部 API、資料與工具則仍有自己的條件。
最值得沿用的是顯式傳遞證據與允許不協作的設計。自己的模型、任務和預算仍須重新量測。
延伸閱讀：Hermes Advanced Delegation 新外掛：子代理選模型與設定檔，權限怎麼跟著走？
常見問題 FAQ
DynaFlow 會把所有子代理一起訓練嗎？
不會。論文只更新主代理，子代理維持固定的基底模型，以便觀察工作協調能力改變的效果。
少約 41% 子代理，就省約 41% 費用嗎？
不能直接換算。每次呼叫的文字長度、搜尋工具、先後關係與運算環境都可能不同，必須另外量測時間與費用。
