Together Computer发布Hybrid Reasoning Agents：融合潜在推理与文本交互的智能体架构

摘要：Together Computer推出Hybrid Reasoning Agents（HybridAgents），旨在解决现有大语言模型（LLM）智能体在潜在推理与文本交互之间的割裂问题。HybridAgents通过轻量级HybridLink架构实现潜在推理与文本交互的无缝切换，同时利用持续工作记忆保留跨多轮的无损混合上下文。该架构不仅保留了工具集成的智能体能力，还使潜在推理过程可被直接检查。HybridAgents在数学、科学、医学、搜索和智能体推理等11个基准测试中表现优异，性能提升10.4%，同时实现了35.5%-54.7%的token减少、1.8-2.6倍的推理加速以及2.7-3.7倍的成本节省。

---

技术架构与核心机制

Hybrid Reasoning Agents（HybridAgents）通过以下关键设计解决了现有大语言模型智能体在潜在推理与文本交互之间的割裂问题：

1. HybridLink架构：这是一个轻量级的模块，负责在潜在推理模式和文本交互模式之间进行无缝切换。它通过动态调整推理路径，使智能体能够根据任务需求选择最合适的推理方式。

2. 持续工作记忆：HybridAgents引入了持续工作记忆机制，用于保留跨多轮对话的无损混合上下文。这种设计确保了智能体在不同推理模式之间切换时不会丢失重要的上下文信息。

3. 专用后训练算法：

   • HybridSFT：该算法通过教导模型与HybridLink协调工作，稳定了工具集成的混合生成过程。
   • HybridRL：通过学习何时在潜在空间中进行推理，何时通过文本进行行动，HybridRL扩展了智能体的推理能力。

工程权衡与性能表现

HybridAgents在多个基准测试中表现出色，其性能提升主要体现在以下几个方面：

• 性能提升：与现有的前沿LLM智能体相比，HybridAgents在11个基准测试中平均性能提升了10.4%。
• token减少：实现了35.5%-54.7%的token减少，这意味着在相同任务下，HybridAgents能够以更少的token完成任务，从而提高效率。
• 推理加速：推理速度提升了1.8-2.6倍，显著缩短了任务完成时间。
• 成本节省：成本降低了2.7-3.7倍，为大规模部署提供了更经济的解决方案。

开发者落地与部署建议

HybridAgents的发布为开发者提供了一个强大的工具，特别是在需要高效推理和复杂任务处理的场景中。以下是一些部署建议：

1. 工具集成：利用HybridLink架构，开发者可以轻松地将各种工具集成到智能体中，从而扩展其功能。
2. 持续优化：通过HybridSFT和HybridRL算法，开发者可以进一步优化智能体的推理能力和效率。
3. 多模态应用：HybridAgents的架构设计使其适用于多模态应用场景，开发者可以探索其在图像、视频等领域的应用。

结论

HybridAgents的推出标志着AI智能体架构的一个重要里程碑。它不仅解决了潜在推理与文本交互之间的割裂问题，还通过专用后训练算法和持续工作记忆机制，显著提升了智能体的性能与效率。HybridAgents为AI智能体在复杂任务处理中的应用开辟了新的可能性。

---

消息来源：Hugging Face Daily Papers (2026-10-13)

—— 完 ——

主题标签： #HybridAgents 关注 #AI智能体 关注 #潜在推理 关注 #文本交互 关注 #推理效率 关注