論文の概要: Hybrid Reasoning Agents

• arxiv url: http://arxiv.org/abs/2610.18861v1
• Date: Tue, 13 Oct 2026 17:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.707124
• Title: Hybrid Reasoning Agents
• Title（参考訳）: ハイブリッド共振剤
• Abstract要約: HybridAgentsは遅延推論とテキストベースのインタラクションを動的にナビゲートする。 数学,科学,医学,検索,エージェント推論を対象とする11のベンチマークにおいて,HybridAgentを3つのモデルスケールで評価した。
• 参考スコア（独自算出の注目度）: 71.63805313876067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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. Building on this architecture, we further develop dedicated post-training algorithms for hybrid reasoning: HybridSFT stabilizes tool-integrated hybrid generation by teaching the backbone to coordinate with HybridLink, then HybridRL scales reasoning by learning when to think in latent space and when to act through text. We evaluate HybridAgent at 3 model scales across 11 benchmarks covering mathematics, science, medicine, search, and agentic reasoning. Compared with frontier LLM Agents and agentic frameworks spanning both text-based and latent methods, HybridAgent consistently improves performance by 10.4%, while delivering 35.5%-54.7% token reduction, 1.8x-2.6x faster inference, and 2.7x-3.7x cost savings. Code and data are available at https://github.com/togethercomputer/HybridAgent.
• Abstract（参考訳）: 人間の言語を超えて、それでも外界で機能するエージェントをどうやって構築できるのか? 現代のLSMエージェントはテキストを通じて推論と対話を行うが、遅延推論は効率的な内部媒体を提供するが、ネイティブツールアクセスと推論の透明性は欠如している。 我々はこれら2つの方向をハイブリッド推論エージェント (HybridAgents) でブリッジし, 統合された生成プロセスを通して潜在推論とテキストベースの相互作用を動的にナビゲートする。 アーキテクチャ上、軽量なHybridLinkはテキストと潜時モードのシームレスな遷移を可能にし、エージェントの連続動作メモリは複数回にわたって損失のないハイブリッドコンテキストを保存する。 これらのデザインは、潜伏した思考を直接検査しながら、ツール統合されたエージェント能力を保持します。 ハイブリッドSFTは、バックボーンにHybridLinkとのコーディネートを教えることによってツール統合ハイブリッド生成を安定化し、次にHybridRLは、潜時空間でいつ、いつテキストを介して行動すべきかを学ぶことによって推論をスケールする。 数学,科学,医学,検索,エージェント推論を対象とする11のベンチマークにおいて,HybridAgentを3つのモデルスケールで評価した。 テキストベースと潜在メソッドの両方にまたがるフロンティアのLLMエージェントやエージェントフレームワークと比較して、HybridAgentは一貫してパフォーマンスを10.4%改善し、35.5%-54.7%のトークン削減、1.8x-2.6倍の高速推論、2.7x-3.7倍のコスト削減を実現している。 コードとデータはhttps://github.com/together computer/HybridAgent.comで公開されている。

関連論文リスト

• Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players [87.87842088508553]
  対話型シミュレーションのための生成的マルチエージェント世界モデルを提案する。 本モデルでは,映像の忠実度,アクション制御性,およびスロットベースおよび高密度アテンションベースライン上でのエージェント間整合性を改善する。
  論文  参考訳（メタデータ） (2026-05-27T17:59:31Z)
• Component-Aware Self-Speculative Decoding in Hybrid Language Models [0.0]
  投機的復号化は、高速モデルで候補トークンを起草することで自己回帰推論を加速する。 本稿では,SSM/リニアアテンションサブグラフをゼロコスト内部ドラフトとして分離する,コンポーネント認識型自己投機的デコーディングを提案する。 汎用的なLayerSkipはコンポーネント認識戦略よりも12倍高い受け入れ率が得られることを示す。
  論文  参考訳（メタデータ） (2026-05-01T21:25:25Z)
• GenAgent: Scaling Text-to-Image Generation via Agentic Multimodal Reasoning [54.42973725693]
  我々は,エージェント型マルチモーダルモデルを用いて,視覚的理解と生成を統一したGenAgentを導入する。 GenAgentはGenEval++とWISEのベースジェネレータ(FLUX.1-dev)のパフォーマンスを大幅に向上させる。 本フレームワークは,1) 様々な機能を持つジェネレータへのクロスツール一般化,2) インタラクションラウンド間で一貫した改善を伴うテスト時間スケーリング,3) タスクに自動的に適応するタスク適応推論の3つの重要な特性を示す。
  論文  参考訳（メタデータ） (2026-01-26T14:49:04Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Affordable Generative Agents [16.372072265248192]
  AGA(Affordable Generative Agents)は、エージェント環境とエージェント間の両方のレベルで、信頼性と低コストのインタラクションの生成を可能にするフレームワークである。 私たちのコードは、https://github.com/AffordableGenerative-Agents/Affordable-Generative-Agentsで公開されています。
  論文  参考訳（メタデータ） (2024-02-03T06:16:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。