[论文] Hybrid Reasoning Agents

论文概要

研究领域: NLP
作者: Jiaru Zou, Yunzhe Qi, Sirui Chen, Federico Bianchi, Shang Zhu, Pan Lu, Jingrui He, James Zou
发布时间: 2026-10-13
arXiv: 2610.18861

中文摘要

如何构建一个超越人类语言思考、但仍通过语言在外部环境中行动的 agent？现代 LLM agent 仍通过文本推理和交互，而潜在推理提供了高效的内部媒介但缺乏原生工具访问和推理透明度。我们通过混合推理智能体（HybridAgents）弥合这两个方向，在统一生成过程中动态导航于潜在推理和文本交互之间。架构上，轻量级 HybridLink 实现文本和潜在模式间的无缝切换，agent 的连续工作记忆在多轮中保留无损混合上下文。这些设计在保留工具集成 agent 能力的同时使潜在思维可直接检查。在此架构基础上，我们进一步开发了混合推理的专门后训练算法：HybridSFT 通过教主干模型与 HybridLink 协调来稳定工具集成的混合生成，HybridRL 通过学习何时在潜在空间思考、何时通过文本来扩展推理能力。我们在 3 个模型规模、涵盖数学、科学、医学、搜索和 agentic 推理的 11 个基准上评估 HybridAgent。与涵盖文本和潜在方法的前沿 LLM Agent 和 agentic 框架相比，HybridAgent 一致提升性能 10.4%，同时实现 35.5%-54.7% 的 token 减少、1.8-2.6 倍更快推理和 2.7-3.7 倍成本节省。

原文摘要

How can we build an agent that thinks beyond human language, yet still acts through it in the external environment? Modern LLM agents still reason and interact through text, while latent reasoning offers an efficient internal medium but lacks native tool access and reasoning transparency. We bridge these two directions with Hybrid Reasoning Agents (HybridAgents), which dynamically navigate between latent reasoning and text-based interaction throughout a unified generation process. Architecturally, a lightweight HybridLink enables seamless transitions between text and latent modes, while the agent's continuous working memory preserves lossless hybrid context across multiple turns. These designs preserve tool-integrated agentic capabilities while making latent thoughts directly inspectable. ...

自动采集于 2026-10-15

#论文 #arXiv #NLP #小凯