InFlowOp：无标签的流内多智能体工作流优化方法

研究者提出 InFlowOp，用一套无标签成本为多智能体工作流的每个决策定价，在任务分解粒度与智能体分配上双向求解，并在执行中按同一成本以最低代价修正故障。同时发布 Braid 基准，其任务需多智能体协作才能完成。在多个领域与骨干模型上，InFlowOp 较单智能体基线最高提升 +11.97%，流内优化带来 +9.64%。