InFlowOp多智能体工作流优化方法发布

2026年10月1日，HuggingFace Daily Papers收录论文《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，该成本同时衡量智能体能力与子任务需求的匹配程度以及该智能体的运行开销。方法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%，其中流内优化带来 +9.64%。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。