新加坡国立大学（NUS）AI研究人员揭示了一个反直觉现象：多智能体团队表现往往不及单个智能体，根源并非模型能力不足，而是协作过程中的信息损耗。随着智能体链条延长，累积的信息丢失导致系统性能急剧下降。这一发现被记录在NUS团队于2026年10月提交至arXiv的DynaFlow研究论文中。
DynaFlow并未试图提升单个智能体的能力，而是训练一个“编排器”模型编写可执行的JavaScript程序，将数据交接转化为明确、可审计的函数调用。本周公布的结果显示，基于DynaFlow架构的270亿参数开源模型Qwen3.5-27B，在美国邀请数学考试（AIME）2024至2026连续三年的题目中实现了100%的正确率。
从52%到100%：编排能力的胜利
AIME是一项高难度数学竞赛，单年满分已属罕见。此前，拥有数千亿参数的顶尖闭源模型在AIME上的得分约为95%至99%，但其基础设施难以复制。相比之下，Qwen3.5-27B在未协调单独运行时的AIME 2026基线得分仅为52%。DynaFlow将其提升至100%，证明了性能跃升源于编排优化而非模型规模扩张。
在更广泛的PolyMATH数学推理基准中，DynaFlow将该模型得分从70%推高至90.50%。在包含六个数据集的基准套件中，其强制模式准确率达88.08%，优于最强基线Self-Refine的77.18%。唯一例外是GPQA-Diamond科学基准，DynaFlow得分84.85%，略低于Self-Refine的88.38%。研究团队指出，这是因为在缺乏完全掌握的专业知识时，多个智能体可能互相强化错误而非纠正错误。
用代码取代提示词：消除信息噪音
传统多智能体系统依赖提示词链式结构，编排器的推理和中间输出堆积在上下文窗口中，导致语义嘈杂和信息失真。研究表明，每次通信跳跃的信息损失可达25%。
DynaFlow的核心创新在于将协调过程程序化。编排器通过三种原语生成JavaScript脚本：
agent(role, instructions)：调用特定角色的子智能体；parallel([...])：并行分发任务并收集结果；pipeline([...])：链接依赖阶段，仅传递显式输入。
这种架构确立了严格的信息边界：子智能体仅接收脚本指定的变量，主编排器的推理链对其不可见。每次交接均为类型化的函数调用，使得信息丢失成为可调试的代码缺陷，而非无法归因的性能退化。
高效训练与模块化扩展
DynaFlow采用基于QLoRA的两阶段监督微调。训练数据由GLM-5.3 Max生成，并经DeepSeek-V4.1-Flash过滤，剔除未经核实的声明等有害故障模式，最终保留712个高质量示例。整个训练过程在两块NVIDIA H100 GPU上耗时约1.5天，展现出极高的资源效率。
训练显著改善了模型行为：正确使用并行和顺序结构的比例从3.4%升至85.6%，有效重用前一阶段输出的比例从12.6%飙升至97.7%。研究还警示，若将子智能体接入未经协调训练的编排器，性能反而会从单模型的72%降至65%。
与AFlow等离线搜索工作流的方法不同，DynaFlow在推理时动态生成程序，无需搜索步骤，计算效率更高且适应性更强。其子智能体权重保持冻结，仅训练编排器适配器，这意味着该方法具有高度模块化，可无缝迁移至不同的子智能体配置。
目前，DynaFlow代码已以MIT许可证开源，允许无限制的商业化使用与修改。