InFlowOp：无标签的流内多智能体工作流优化

研究者提出 InFlowOp，用统一的"无标签成本"为多智能体工作流中的每个决策定价，在执行前双向决定任务分解粒度与智能体分配，执行中以最低成本修正故障。团队同时发布需要多智能体协作的基准 Braid，在多个领域和骨干模型上，InFlowOp 较单智能体基线最高提升 +11.97%，流内优化带来 +9.64%。