DynaFlow (arXiv:2610.34467): Free-Form Multi-Agent Orchestration — Sintesis Alur Kerja Eksekutabel, Eliminasi Defek Aliran Informasi, dan Lonjakan Akurasi 88.08% Tanpa Mengubah Bobot Sub-Agent
Analisis arsitektur DynaFlow (arXiv:2610.34467, Ruhao Liu et al., NUS): Mengapa topologi multi-agent statis memicu overhead komunikasi berlebihan, dan bagaimana integrasi sintesis alur kerja bebas ke dalam ruang aksi Main Agent — dikombinasikan dengan Two-Stage SFT dan kurasi 3 defek orkestrasi — menghasilkan akurasi 88.08% serta memecahkan 100% soal AIME dengan sub-agent berbobot beku.

Dalam lanskap pengembangan sistem multi-agent (MAS) berbasis model bahasa besar, mayoritas arsitektur produksi masih bertumpu pada topologi kolaborasi statis—seperti bagan alir terprogram, rantai sekuensial tetap, atau hierarki koordinator-pekerja kaku. Paradigma statis ini memunculkan friksi komputasi nyata: tugas sederhana dibebani overhead komunikasi berlebih, sub-tugas paralel terpaksa menunggu giliran sekuensial, dan kesalahan penalaran pada agen hulu sering kali terkunci tanpa mekanisme verifikasi independen yang adaptif.
Executive Architectural Summary
Makalah riset terkini dari National University of Singapore (arXiv:2610.34467) oleh Ruhao Liu, Qi Li, Shizun Wang, dan Xinchao Wang memperkenalkan DynaFlow—sebuah kerangka kerja yang menyatukan free-form executable workflow synthesis ke dalam ruang aksi native dari Main Agent. Tanpa mengubah satu pun bobot dari sub-agent eksekutor (sub-agents tetap 100% frozen), pelatihan terfokus pada Main Agent menggunakan Two-Stage Supervised Fine-Tuning (SFT) yang dikurasi dari 3 kategori cacat orkestrasi (premise injection, verification bias, dan information-flow defects) berhasil mendorong akurasi keseluruhan menjadi 88.08% pada 6 benchmark representatif, melampaui baseline terkuat sebesar +10.90 poin persentase dan memecahkan 100% soal kompetisi matematika AIME 2024, 2025, serta 2026.
1. Akar Masalah: Dilema Rigiditas vs Dispersi Orkestrasi Multi-Agent
Sistem kolaborasi agen konvensional (seperti ChatDev, AutoGen, atau graf terstruktur AFlow) umumnya mengasumsikan bahwa desain peran agen dan pola komunikasi dapat ditentukan di awal secara deterministik sebelum eksekusi dimulai. Namun, realitas komputasi menghadirkan tiga kontradiksi mendasar:
Over-Collaboration
Pertanyaan langsung atau deterministik dipaksa melewati fase debat majelis agen yang menghabiskan token 4–8x lipat lebih boros tanpa perbaikan akurasi.
Lossy Information Flow
Hasil intermediat dari sub-agent riset tidak tersambung dengan benar ke sub-agent solver karena pembatasan struktur graf statis atau ringkasan yang terlalu terkompresi.
Confirmation Rubber-Stamping
Agen peninjau (reviewer/verifier) disuapi klaim awal dari koordinator yang sudah mengasumsikan kebenaran jawaban, melucuti independensi verifikasi formal.
2. Arsitektur DynaFlow: Ruang Aksi Alur Kerja Bebas & Feedback Loop Tertutup
Alih-alih mengunci alur ke dalam graf kaku atau sekadar memanggil API RPC sederhana, DynaFlow memperluas ruang aksi native dari Main Agent. Diberikan pertanyaan $q$ dan instruksi tugas $mathcal{I}$, kebijakan $pi_ heta$ beroperasi di atas ruang aksi gabungan:
Di mana:
- $mathcal{A}_{ ext{tool}}$: Pemanggilan tool kalkulasi atau mesin pencari reguler.
- $mathcal{A}_{ ext{ans}}$: Tindakan penghentian untuk merespons langsung ketika informasi dinilai telah mencukupi.
- $(P, mathcal{W}(P))$: Aksi sintesis alur kerja bebas, di mana $P$ adalah kode program eksekutabel (JavaScript/TypeScript) yang dirancang khusus untuk masalah tersebut, dan $mathcal{W}$ adalah runtime eksekusi berbatas anggaran.
| Modus Eksekusi | Logika Turn Pertama | Perilaku Turn Lanjutan | Karakteristik Efisiensi |
|---|---|---|---|
| Dynamic Mode | Memilih otonom: Jawab Langsung vs Sintesis Alur Kerja | Jika alur dipicu, trace eksekusi dievaluasi untuk iterasi berikutnya | 47% kueri dijawab langsung tanpa overhead; rata-rata 3.44 peran/soal |
| Forced Mode | Wajib menyintesis alur kerja kolaborasi pada turn pertama | Main Agent dilarang menyelesaikan sendiri; murni koordinasi & agregasi | Akurasi maksimal (88.08%); 100% verifikasi eksplisit melintasi sub-agent |
3. Protokol Pembelajaran Dua-Tahap & Kurasi Tiga Cacat Orkestrasi
Kunci keberhasilan DynaFlow terletak pada isolasi bobot: seluruh sub-agent eksekutor (solvers, verifiers, researchers) dibekukan (frozen) pada checkpoint dasar Qwen3.5-27B. Hanya Main Agent yang dilatih untuk menguasai kemampuan arsitektural orkestrasi. Proses pelatihan berlangsung dalam dua tahap:
Tahap 1: Trajectory Distillation (Dataset $mathcal{D}_1$)
Eksplorasi LuasModel guru (teacher model) menghasilkan lintasan eksekusi yang menggunakan antarmuka alur kerja yang sama. Hanya lintasan yang menghasilkan jawaban akhir benar dan mematuhi protokol delegasi yang disimpan. Target supervisi berfokus pada $s = (r, a_1)$—yakni penalaran turn-pertama $r$ dan aksi sintesis alur kerja $a_1$.
Tahap 2: Kurasi Kualitas Orkestrasi Ketat (Dataset $mathcal{D}_2 subset mathcal{D}_1$)
Filter Audit OtomatisMeskipun lintasan Tahap 1 menghasilkan jawaban benar, banyak di antaranya mengandung orkestrasi berkualitas buruk yang dapat merusak kemampuan generalisasi agen. DynaFlow menerapkan LLM Judge untuk mendeteksi dan mengeliminasi tiga jenis cacat struktural:
- Premise Injection: Main Agent menyisipkan klaim penentu jawaban sebagai fakta premis dalam prompt sub-agent, alih-alih membiarkan sub-agent menyimpulkannya sendiri dari data mentah.
- Verification Defects: Prompt pada agen verifikator mengarahkan atau membatasi verifikasi untuk sekadar menyetujui tebakan awal tanpa ruang revisi independen.
- Information-Flow Defects: Hilangnya konteks hulu, referensi variabel yang salah, atau penggantian output dinamis dengan konstanta statis (*hardcoded values*).
4. Tolok Ukur Empiris: AIME 100%, PolyMATH, GPQA, dan HotpotQA
Evaluasi empiris dilakukan pada 688 pertanyaan yang mencakup 6 benchmark ketat: AIME 2024, 2025, 2026 (kompetisi matematika olimpiade), PolyMATH (penalaran multilingual), GPQA-Diamond (penalaran saintifik tingkat doktoral), dan HotpotQA (pencarian multi-hop web). Semua sistem diuji dengan tulang punggung model yang sama, yaitu Qwen3.5-27B:
| Metode / Arsitektur | AIME 24 (%) | AIME 25 (%) | AIME 26 (%) | PolyMATH (%) | GPQA-D (%) | HotpotQA (%) | Overall (%) |
|---|---|---|---|---|---|---|---|
| CoT (Single Agent) | 96.67 | 93.33 | 86.67 | 83.00 | 85.35 | 46.50 | 74.27 |
| CoT-SC (Self-Consistency) | 90.00 | 93.33 | 96.67 | 84.50 | 85.86 | 50.50 | 76.16 |
| Self-Refine | 96.67 | 93.33 | 93.33 | 87.50 | 88.38 | 48.00 | 77.18 |
| AFlow (Automated Workflow) | 93.33 | 96.67 | 100.00 | 86.00 | 87.37 | 47.00 | 76.45 |
| Base, Forced (Untrained Main) | 76.67 | 70.00 | 70.00 | 70.00 | 77.78 | 81.50 | 75.87 |
| DynaFlow (Dynamic Mode) | 93.33 | 100.00 | 96.67 | 91.50 | 83.84 | 84.50 | 87.94 |
| DynaFlow (Forced Mode) | 100.00 | 100.00 | 100.00 | 90.50 | 84.85 | 83.50 | 88.08 |
Wawasan Kritis: Alur Kerja Tanpa Pelatihan Justru Menurunkan Performa
Perhatikan baris Base, Forced: model dasar yang dipaksa menyintesis alur kerja multi-agent tanpa pelatihan orkestrasi mengalami penurunan performa drastis pada AIME (-16.7 hingga -23.3 poin persentase) dibandingkan model yang menjawab langsung (Base, Direct). Kolaborasi multi-agent bukanlah "makanan gratis"; tanpa pelatihan orkestrasi yang menyelaraskan aliran informasi, menambahkan agen justru memicu kegagalan sistemik. DynaFlow membuktikan bahwa setelah kurasi Tahap 2, seluruh benchmark melompat melampaui baseline terbaik.
5. Pergeseran Topologi Alur Kerja: Dari Rantai Tunggal ke Sintesis Hibrida
Analisis mendalam terhadap program yang disintesis mengungkapkan transformasi signifikan antara model sebelum dilatih (Base) dan setelah melalui Tahap 2 DynaFlow:
1. Struktur Eksekusi Hibrida (85.6%)
Model dasar (Base) menghasilkan 62.2% program dengan agen tunggal. Sebaliknya, DynaFlow Tahap 2 menghasilkan 85.6% struktur hibrida—menggabungkan tahap paralel untuk pengumpulan bukti atau turunan rumus alternatif, diikuti tahap sekuensial terarah untuk verifikasi silang.
2. Strategi Agregasi Berbasis Refinement (35.9%)
Alih-alih sekadar voting mayoritas atau konkatenasi mentah, DynaFlow memprioritaskan Correction / Refinement (35.9%) dan Comparison (18.3%). Sub-agent pemeriksa secara aktif memperbaiki kesalahan komputasi yang dibuat oleh sub-agent pemecah tahap awal.
6. Implementasi Referensi: DynaFlow Execution Runtime & Safety Sandbox
Berikut adalah arsitektur TypeScript siap produksi yang mengimplementasikan runtime eksekusi program sintesis alur kerja bebas, lengkap dengan pembatasan anggaran token, validasi aliran informasi (*anti-leak guards*), dan agregasi hasil:
// Production Implementation: DynaFlow Execution Runtime & Free-Form Orchestration Engine
// Implements Free-Form Workflow Program Synthesis, Budget Guardrails, and Tracing Feedback
export type ActionType = 'tool_call' | 'final_answer' | 'workflow_program';
export interface WorkflowSubAgentSpec {
id: string;
role: 'solver' | 'verifier' | 'researcher' | 'aggregator' | 'interpreter';
prompt: string;
inputBindings: Record;
upstreamDependencies: string[]; // Node IDs yang wajib selesai sebelum dieksekusi
}
export interface WorkflowProgramAST {
programId: string;
stages: Array<{
stageId: string;
mode: 'sequential' | 'parallel';
nodes: WorkflowSubAgentSpec[];
}>;
aggregationStrategy: 'voting' | 'synthesis' | 'refinement' | 'comparison';
maxTokenBudget: number;
timeoutMs: number;
}
export interface NodeExecutionResult {
nodeId: string;
role: string;
status: 'success' | 'failed' | 'timeout';
output: string;
executionMs: number;
tokensConsumed: number;
}
export interface WorkflowExecutionTrace {
workflowId: string;
success: boolean;
stageResults: Map;
aggregatedOutput: string;
totalTokens: number;
wallClockMs: number;
defectsDetected: Array<'premise_injection' | 'verification_bias' | 'information_flow_leak'>;
}
export class DynaFlowRuntimeEngine {
constructor(
private readonly frozenSubAgentExecutor: (spec: WorkflowSubAgentSpec, upstreamContext: Map) => Promise,
private readonly defaultBudget = 16384,
private readonly maxWallClockMs = 45000
) {}
/**
* Menjalankan program alur kerja bebas yang disintesis oleh Main Agent
*/
public async executeWorkflow(program: WorkflowProgramAST): Promise {
const startTime = Date.now();
const stageResults = new Map();
let totalTokens = 0;
const defects: WorkflowExecutionTrace['defectsDetected'] = [];
for (const stage of program.stages) {
if (Date.now() - startTime > (program.timeoutMs || this.maxWallClockMs)) {
throw new Error(`Workflow timeout exceeded (${this.maxWallClockMs}ms)`);
}
if (stage.mode === 'parallel') {
// Eksekusi cabang independen secara konkruen
const promises = stage.nodes.map(node => {
this.assertNoInformationLeak(node, stageResults);
return this.frozenSubAgentExecutor(node, stageResults);
});
const nodeOutputs = await Promise.all(promises);
for (const out of nodeOutputs) {
stageResults.set(out.nodeId, out);
totalTokens += out.tokensConsumed;
}
} else {
// Eksekusi sekuensial dengan transfer output bertahap
for (const node of stage.nodes) {
this.assertNoInformationLeak(node, stageResults);
const out = await this.frozenSubAgentExecutor(node, stageResults);
stageResults.set(out.nodeId, out);
totalTokens += out.tokensConsumed;
}
}
}
// Aggregation & Verification Phase
const aggregated = this.synthesizeAggregatedResult(program.aggregationStrategy, stageResults);
return {
workflowId: program.programId,
success: true,
stageResults,
aggregatedOutput: aggregated,
totalTokens,
wallClockMs: Date.now() - startTime,
defectsDetected: defects,
};
}
private assertNoInformationLeak(node: WorkflowSubAgentSpec, currentContext: Map): void {
for (const depId of node.upstreamDependencies) {
if (!currentContext.has(depId)) {
throw new Error(`Defek Aliran Informasi: Node ${node.id} memerlukan upstream ${depId} yang belum siap`);
}
}
}
private synthesizeAggregatedResult(
strategy: WorkflowProgramAST['aggregationStrategy'],
results: Map
): string {
const outputs = Array.from(results.values()).map(r => `[${r.role.toUpperCase()}] ${r.output}`);
if (strategy === 'refinement') {
// Ambil output node terakhir yang telah melewati verifier
const lastOutput = outputs[outputs.length - 1] || '';
return `Final Refined Output: ${lastOutput}`;
}
return outputs.join('\n---\n');
}
}
7. Panduan Implementasi Lapangan & Rekomendasi Arsitektural
Bagi tim rekayasa AI yang merancang arsitektur multi-agent berskala tinggi, pelajaran dari DynaFlow menggarisbawahi beberapa prinsip desain krusial:
Pisahkan Pembelajaran Orkestrasi dari Kapasitas Eksekutor
Jangan melatih ulang semua sub-agent secara end-to-end. Membekukan model eksekutor dan memusatkan pelatihan pada Main Agent menyederhanakan atribusi gradien dan menjaga reliabilitas tool spesifik.
Gunakan Dynamic Routing untuk Menghemat Biaya
Modus Dinamis DynaFlow mampu menjawab ~47% pertanyaan tanpa memicu alur kerja multi-agent dengan degradasi akurasi hanya 0.14 poin (87.94% vs 88.08%). Ini menghemat miliaran token inferensi pada beban kerja produksi.
Audit Cacat Premise Injection dan Verification Bias
Pastikan prompt agen supervisor tidak membocorkan kesimpulan sementara kepada agen pemeriksa. Verifikasi yang kredibel menuntut independensi pembacaan data mentah tanpa arahan konfirmasi prematur.
Referensi & Sumber Terverifikasi
- [1]DynaFlow: Learning Free-Form Multi-Agent Orchestration(arXiv.org / Computation and Language & Artificial Intelligence (arXiv:2610.34467))
- [2]AFlow: Automating Agentic Workflow Generation via Monte Carlo Tree Search(International Conference on Learning Representations (ICLR) & Fudan University)
- [3]Prism: Privileged Sibling-Guided Multi-Agent Topology Design(National University of Singapore & ACM SIGKDD)
- [4]Magentic-One: A High-Performance Multi-Agent System for Solving Complex Web and File Tasks(Microsoft Research AI Frontier Systems)
Butuh Arsitektur Web & AI Berkualitas Tinggi?
Tim engineering NEWSAINT siap membantu merancang website berkecepatan tinggi, sistem AI autonomous, dan solusi SaaS terukur untuk bisnis Anda.
Artikel Terkait Lainnya

DecisionRAG (arXiv:2610.35868): Retriever-Free Retrieval via Decision Models — Eliminasi Capability Asymmetry, Hierarchical Tree Navigation, dan Rekor +17.4% Hit@1 Tanpa Indeks Vektor
Analisis arsitektur DecisionRAG (arXiv:2610.35868, Chao Wan, Paul Jünger, Beixi Du, Bodong Liu, Navaneetha Krishnan, Kilian Q. Weinberger — Cornell University & ASAPP): Mengapa retrieval konvensional (BM25, dense embeddings) menciptakan capability asymmetry terhadap LLM generator modern, dan bagaimana DecisionRAG menavigasi struktur korpus bertingkat menggunakan model keputusan (decision models) dalam konteks bersama (shared context) tanpa token generasi, menghasilkan lompatan +13.8 R@1 di MultiDoc2Dial, +17.4 Hit@1 di Natural Questions, dan latensi secepat 0.68 detik.

Code Graphs & Embeddings pada Small Coding Agents (arXiv:2610.33958): Eksperimen 79k Episode SWE-bench, Gradien Hop Depth, dan Batasan Representasi Leksikal Satu-Langkah
Analisis empiris 79k episode SWE-bench Verified (arXiv:2610.33958, Saurav Bellam): Apakah tool knowledge graph dan embedding search benar-benar melengkapi pemahaman struktural coding agent kecil? Menyingkap degradasi hop gradient (odds ratio 0.50–0.67 per hop), anomali tool uptake pada model 32B, dan bukti linear probing bahwa representasi kode internal agen open-weight masih dominan bersifat leksikal satu-langkah.

Heartbeat Thinking (arXiv:2610.26233): Speculative Reasoning & Asynchronous Tool Execution Saat Mendengarkan pada Realtime Voice Agents — Reduksi Latensi 36.4% dan Peluncuran Tool Pre-Speech End
Analisis arsitektur Heartbeat Thinking (arXiv:2610.26233, Zhenyu Zhang et al.): Mengapa voice agents konvensional terjebak dalam latensi respons canggung setelah pengguna selesai berbicara, dan bagaimana decoupling komputasi spekulatif periodik (Thinker) dari generasi respons final (Responder) mampu menginisiasi pemanggilan tool 4.37 detik sebelum ucapan berakhir serta memangkas latensi akhir hingga 36.4%.