HybridAgents：在统一生成中动态切换潜在推理与文本交互

Stanford 等团队（Jiaru Zou、James Zou 等）发布论文并提出 HybridAgents，一个在同一生成过程中于潜在推理与文本交互间动态切换的混合推理 Agent 架构，配套开源代码与数据。核心组件包括轻量级 HybridLink（负责两种模式间切换）和连续工作记忆（跨轮保留混合上下文）；后训练方法 HybridSFT 与 HybridRL 分别用于稳定工具集成的混合生成和学习潜在思考与文本行动的时机。 作者称在 3 个模型规模、覆盖数学、科学、医学、搜索和 agentic 推理的 11 个基准上评估，与涵盖文本与潜在方法的现有 LLM Agent 及 agentic 框架相比，性能一致提升 10.4%。结果为论文作者报告的评测数据，代码与数据已在 GitHub 开放。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。