งานวิจัยนี้นำเสนอ Orchestra-o1 ซึ่งเป็นเฟรมเวิร์กการประสานงานเอเจนท์ (Agent Orchestration) แบบหลายสื่อ (Omnimodal) เพื่อแก้ปัญหาความยากลำบากในการจัดการเอเจนท์หลายตัวเมื่อต้องรับมือกับข้อมูลที่หลากหลาย เช่น ข้อความ ภาพ เสียง และวิดีโอพร้อมกัน ระบบนี้ใช้กลไกการย่อยงานที่รับรู้ถึงประเภทสื่อ (Modality-aware task decomposition) และการแบ่งงานแบบขนานระหว่างเอเจนท์เฉพาะทาง
จุดเด่นอีกประการคือการนำวิธี Decision-Aligned Group Relative Policy Optimization (DA-GRPO) มาใช้ในการฝึกฝน ซึ่งเป็นเทคนิค Reinforcement Learning ที่ช่วยให้โมเดลขนาด 8B สามารถทำคะแนนในเบนช์มาร์ก OmniGAIA ได้สูงกว่าวิธีการที่ดีที่สุดเดิมถึง 10.3% และถือเป็นโมเดล Open-source ที่มีประสิทธิภาพสูงสุดในกลุ่มเอเจนท์แบบ Omnimodal ปัจจุบัน
