Jiaru Zou (ジャー・ゾウ) 氏らは10月13日(現地時間)、テキストベースの対話と潜在推論を統合する新しいエージェントモデル「Hybrid Reasoning Agents (ハイブリッド・リーズニング・エージェント)」に関する研究論文を発表した。このモデルは、統一された生成プロセスを通じてこれら二つの推論様式間を動的に移行し、外部環境でのツールアクセスと推論の透明性を両立させることを目指す。
研究チームは、**HybridAgents (ハイブリッドエージェント)**のアーキテクチャにおいて、軽量なHybridLink (ハイブリッドリンク)がテキストモードと潜在モード間のシームレスな移行を実現すると説明している。また、エージェントの連続的なワーキングメモリが、複数ターンにわたるハイブリッドコンテキストをロスなく保持する。これにより、ツール統合型のエージェント機能が維持され、同時に潜在的な思考プロセスが直接検証可能になるという。
このアーキテクチャに基づき、ハイブリッド推論のための専用ポストトレーニングアルゴリズムとして「HybridSFT」と「HybridRL」を開発した。HybridSFT は、HybridLink と連携する基盤モデルを学習させることで、ツール統合型ハイブリッド生成の安定化を図る。一方、HybridRL は、潜在空間で推論を行うべきか、テキストを通じて行動すべきかを学習することで、推論能力のスケールアップを目的とする。
HybridAgent は、数学、科学、医学、検索、エージェント推論をカバーする11のベンチマークにおいて、3つの異なるモデルスケールで評価された。その結果、主要なLLM Agentsやテキストベース、潜在ベースの両手法にわたるエージェントフレームワークと比較して、一貫してパフォーマンスを10.4%向上させた。さらに、トークン使用量を35.5%から54.7%削減し、推論速度は1.8倍から2.6倍高速化、コストも2.7倍から3.7倍削減したことが報告されている。
参考: arXiv cs.CL — 2026年10月14日 02:59 (JST)
原文ハイライト"Hybrid Reasoning Agents"