子智能体不再等任务跑完才求助：执行中途可叫停改配置，GAIA2成功率55.5%

子智能体不再被创建时的固定配置锁死，可以在执行途中主动暂停，向调度器请求调整自己的任务范围、上下文、工具集或执行预算，然后带着原有执行历史继续跑。 此前的再调度方法要等当前子智能体提交结果或超时，才能创建下一个子智能体并改配置，调整因此被推迟，正在进行的执行状态也会丢失。 在动态性更强的GAIA2上，POrchestra用DeepSeek-V4-Flash达到55.5%成功率，比最强基线ReAct的44.5%相对提升24.6%；而AOrchestra在GAIA上以76.4%高于ReAct的69.1%，在GAIA2上却只有39.8%，低于ReAct的46.9%。

子智能体发出的结构化反馈还被用来训练调度器本身，把执行中遇到的障碍转成对先前调度决策的改进信号。 以往调度器的监督要么是任务结束后才拿到的稀疏奖励，要么是只判断输出合规或决策质量的局部奖励，难以归因到具体哪一次调度决策。 用Qwen3.5-9B训练调度器时，OPOD让POrchestra在GAIA达到77.9%、GAIA2达到49.2%，比其SFT初始化分别提高5.5和5.4个百分点；去掉过程反馈会让GAIA2的Adaptability与Time任务分别掉7.8和7.9个百分点，去掉结果监督则让GAIA和GAIA2平均掉2.1和3.1个百分点。

主动通信的额外开销被调度与执行环节的节省抵消，整体推理成本反而更低。 此前的编排系统在GAIA2这类工具集庞大、应用反馈密集的环境里，上下文开销高，配置不匹配时还会浪费推理。 在GAIA2上用DeepSeek-V4-Flash，POrchestra比ReAct高11.0个百分点而每任务API成本低36%，比Orchestra-o1高11.7个百分点而成本低31%。

这套机制在GAIA、GAIA2和SWE-Bench Verified三个长程基准上验证，覆盖深度研究、动态数字助理和软件工程三类交互；GAIA用2023验证集165个任务，GAIA2用128个mini场景，SWE-Bench用100个issue的固定子集。推理比较以Gemini-3-Flash为调度器，执行骨干为Gemini-3-Flash、DeepSeek-V3.2和DeepSeek-V4-Flash；训练比较用Qwen3.5-9B调度器、DeepSeek-V4-Flash执行器。适合关注多智能体编排与调度策略优化的研究人员和工程师阅读。

当前只优化调度器，子智能体的模型参数与通信规则保持固定；作者把学习可跨模型、任务和动态生成子智能体迁移的通用主动通信能力列为后续方向。研究中的复杂交互任务里，非并发编排基线优于并发基线，因此实现上同一时刻只保留一个活跃子智能体；并发执行对独立子任务仍有潜在效率收益，如何协调并发子智能体之间的反馈与修订请求尚未解决。作者也指出，能修改目标、工具、上下文或预算的智能体在接入外部系统时存在非预期动作、隐私暴露和权限滥用风险，主动修订请求应受明确授权边界约束，重要动作需人工监督。