Hybrid Reasoning Agents აკავშირებს ლატენტურ მსჯელობას ტექსტზე დაფუძნებულ აგენტურ ინტერაქციასთან

არქიტექტურა: HybridLink და სამუშაო მეხსიერება

ახალი კვლევითი ნაშრომი სახელწოდებით „Hybrid Reasoning Agents“ წარმოგვიდგენს მიდგომას, რომელიც LLM-აგენტებს საშუალებას აძლევს, ერთიანი გენერაციის პროცესის განმავლობაში დინამიკურად გადაადგილდნენ ლატენტურ მსჯელობასა და ტექსტზე დაფუძნებულ ინტერაქციას შორის. ნაშრომი arXiv-ზე 2026 წლის 13 ოქტომბერს წარდგენილია; ავტორები არიან Jiaru Zou, Yunzhe Qi, Sirui Chen, Federico Bianchi, Shang Zhu, Pan Lu, Jingrui He და James Zou.

სისტემა პასუხობს თანამედროვე LLM-აგენტების მთავარ გამოწვევას: ეს აგენტები კვლავ ტექსტით მსჯელობენ და ურთიერთობენ, ლატენტური მსჯელობა კი ეფექტურ შიდა საშუალებას გვთავაზობს, მაგრამ მას არ გააჩნია ინსტრუმენტებზე ჩაშენებული წვდომა და მსჯელობის გამჭვირვალობა. შემოთავაზებული Hybrid Reasoning Agents (HybridAgents) აკავშირებენ ამ ორ მიმართულებას. არქიტექტურულად, მსუბუქი კომპონენტი სახელად HybridLink უზრუნველყოფს უწყვეტ გადასვლებს ტექსტურ და ლატენტურ რეჟიმებს შორის, აგენტის უწყვეტი სამუშაო მეხსიერება კი მრავალი ურთიერთქმედების ციკლის განმავლობაში ინარჩუნებს უდანაკარგო ჰიბრიდულ კონტექსტს. ეს გადაწყვეტები ინარჩუნებენ ინსტრუმენტებთან ინტეგრირებულ აგენტურ შესაძლებლობებს და, ამავდროულად, შესაძლებელს ხდიან ლატენტური აზრების პირდაპირ შემოწმებას.

ტრენინგის შემდგომი ეტაპი: HybridSFT და HybridRL

მკვლევარებმა ჰიბრიდული მსჯელობისთვის სპეციალური ტრენინგის შემდგომი ალგორითმები შეიმუშავეს. HybridSFT ასტაბილურებს ინსტრუმენტებთან ინტეგრირებულ ჰიბრიდულ გენერაციას და საბაზისო მოდელს HybridLink-თან კოორდინაციას ასწავლის. შემდეგ HybridRL აფართოებს მსჯელობის მასშტაბს და სწავლობს, როდის იფიქროს ლატენტურ სივრცეში და როდის იმოქმედოს ტექსტის მეშვეობით.

შეფასება და შედეგები

HybridAgent შეფასდა მოდელის სამ მასშტაბზე, 11 ბენჩმარკზე, რომლებიც მოიცავს მათემატიკას, მეცნიერებას, მედიცინას, ძიებას და აგენტურ მსჯელობას. წამყვან LLM-აგენტებთან და აგენტურ ჩარჩოებთან შედარებით, რომლებიც მოიცავენ როგორც ტექსტზე დაფუძნებულ, ისე ლატენტურ მეთოდებს, სისტემამ შედეგიანობა თანმიმდევრულად 10,4%-ით გააუმჯობესა. მან ასევე უზრუნველყო ტოკენების 35,5%-დან 54,7%-მდე შემცირება, ინფერენსის 1,8-ჯერიდან 2,6-ჯერამდე დაჩქარება და ხარჯების 2,7-ჯერიდან 3,7-ჯერამდე დაზოგვა.

ნაშრომი 45 გვერდიანია და მოიცავს 12 ფიგურას. კოდი და მონაცემები ონლაინ ხელმისაწვდომია. ნაშრომი კლასიფიცირებულია Computation and Language (cs.CL), Artificial Intelligence (cs.AI) და Machine Learning (cs.LG) კატეგორიებში.

წყაროები: arxiv.org