Hibrit Muhakeme Ajanları, Gizli Muhakeme ve Metin Tabanlı Ajan Etkileşimlerini Birbirine Bağlıyor

Mimari: HybridLink ve Çalışma Belleği

"Hybrid Reasoning Agents" (Hibrit Muhakeme Ajanları) başlıklı yeni bir araştırma makalesi, LLM ajanlarının birleşik bir üretim süreci boyunca gizli muhakeme ile metin tabanlı etkileşim arasında dinamik olarak gezinmesini sağlayan bir yaklaşım sunuyor. 13 Ekim 2026'da arXiv'e gönderilen bu çalışma, Jiaru Zou, Yunzhe Qi, Sirui Chen, Federico Bianchi, Shang Zhu, Pan Lu, Jingrui He ve James Zou tarafından yazılmıştır.

Sistem, modern LLM ajanlarındaki temel bir soruna çözüm arıyor: bu ajanlar hâlâ metin aracılığıyla muhakeme ediyor ve etkileşim kuruyor; gizli muhakeme ise verimli bir iç ortam sunsa da yerleşik araç erişimi ve muhakeme şeffaflığından yoksun. Önerilen Hybrid Reasoning Agents (HybridAgents) bu iki yönü birbirine bağlıyor. Mimari açıdan, HybridLink adlı hafif bir bileşen metin ve gizli modlar arasında kesintisiz geçişler sağlıyor; ajanın sürekli çalışma belleği ise birden fazla tur boyunca kayıpsız hibrit bağlamı koruyor. Bu tasarımlar, gizli düşünceleri doğrudan incelenebilir hale getirirken araç entegrasyonlu ajan yeteneklerini de koruyor.

Eğitim Sonrası: HybridSFT ve HybridRL

Araştırmacılar, hibrit muhakeme için özel eğitim sonrası algoritmaları geliştirdi. HybridSFT, omurga modelini HybridLink ile koordine olmayı öğreterek araç entegrasyonlu hibrit üretimi kararlı hale getiriyor. HybridRL ardından, ne zaman gizli uzayda düşüneceğini ve ne zaman metin yoluyla hareket edeceğini öğrenerek muhakemeyi ölçeklendiriyor.

Değerlendirme ve Sonuçlar

HybridAgent, matematik, bilim, tıp, arama ve ajan muhakemesini kapsayan 11 kıyaslama testinde 3 model ölçeğinde değerlendirildi. Hem metin tabanlı hem de gizli yöntemleri kapsayan ileri düzey LLM ajanları ve ajan çerçeveleriyle karşılaştırıldığında, sistem performansı istikrarlı şekilde %10,4 iyileştirdi. Ayrıca %35,5 ile %54,7 arasında token azaltma, 1,8x ile 2,6x arasında daha hızlı çıkarım ve 2,7x ile 3,7x arasında maliyet tasarrufu sağladı.

Makale 45 sayfa uzunluğunda ve 12 şekil içeriyor. Kod ve veri çevrimiçi olarak sunulmuştur. Çalışma, Computation and Language (cs.CL), Artificial Intelligence (cs.AI) ve Machine Learning (cs.LG) altında sınıflandırılmıştır.

Kaynaklar: arxiv.org