新加坡国立大学提出多智能体编排框架 DynaFlow，精度超过 AFLOW 等基线

新加坡国立大学团队提出 DynaFlow，一种自由形态的多智能体编排学习框架，将可执行工作流合成纳入主智能体的动作空间。主智能体可自主决定是否协作，并生成任务特定程序协调子智能体，支持串行或并行执行、结构化信息交换与验证。论文图表显示其总体精度高于 CoT、Self-Refine、CoT-SC 和 AFLOW 等基线，代码与项目页已开源。