斯坦福等新框架，用在線強化學習讓智能體系統“以小搏大”，領先GPT-4o——
AgentFlow，是一種能夠在線優化智能體系統的新范式，可以持續提升智能體系統對于復雜問題的推理能力
它由規劃器、執行器、驗證器、生成器四個專業智能體組成的團隊通過共享內存進行協作，利用新方法Flow-GRPO，在系統內部直接對其規劃器智能體進行實時優化。
以Qwen-2.5-7B-Instruct為基座模型的AgentFlow在10個基準測試中表現突出：
搜索任務提升14.9%、智能體任務提升14.0%、數學任務提升14.5%、科學任務提升4.1%。
多項任務表現甚至超越比其大50倍的模型，超越GPT-4o、Llama3.1-405B。
AgentFlow發布后，受到業界不少廣泛關注與看好。
網友紛紛表示方向很棒：
- 多智能體流（multi-agentflow）給人的感覺就像“相位耦合推理”（phase-coupled reasoning）。很期待看到“協同能力”取代“規模”，成為衡量智能的指標。
- Flow-GRPO采用共享內存的多智能體架構設計精妙。其中驗證智能體對幻覺化工具調用的阻斷機制尤為關鍵——它能顯著減少智能體工作流中典型的多步推理鏈誤差傳播。
所以，AgentFlow究竟長啥樣？
