Hybrid Reasoning Agents：在潜空间思考、用文本行动的 Agent
斯坦福等团队提出 HybridAgents，让模型在同一生成过程中，在内部潜空间推理和基于文本的交互之间切换。方法包括负责模式切换的轻量组件 HybridLink、跨轮次的连续工作记忆，以及 HybridSFT 和 HybridRL 两种后训练方法。
要点
- 在数学、科学、医学、搜索和智能体推理等 11 个基准、3 种模型规模上评测
- 论文称平均性能提升 10.4%，token 用量减少 35.5%–54.7%，推理速度提升 1.8–2.6 倍，成本降低 2.7–3.7 倍
- 潜在推理过程仍可被检查，且保留了工具调用能力；代码和 8B、14B 模型已开源
为什么值得关注
Agent 的成本很大一部分来自冗长的文本推理，「潜空间推理 + 文本行动」是降低成本的一个方向；该论文在 Hacker News 上引发了较多讨论。
来源
### [Hybrid Reasoning Agents：在潜空间思考、用文本行动的 Agent]({{URL}})
斯坦福等团队提出 HybridAgents，让模型在同一生成过程中，在内部潜空间推理和基于文本的交互之间切换。方法包括负责模式切换的轻量组件 HybridLink、跨轮次的连续工作记忆，以及 HybridSFT 和 HybridRL 两种后训练方法。
- 在数学、科学、医学、搜索和智能体推理等 11 个基准、3 种模型规模上评测
- 论文称平均性能提升 10.4%，token 用量减少 35.5%–54.7%，推理速度提升 1.8–2.6 倍，成本降低 2.7–3.7 倍
- 潜在推理过程仍可被检查，且保留了工具调用能力；代码和 8B、14B 模型已开源
**为什么值得关注**：Agent 的成本很大一部分来自冗长的文本推理，「潜空间推理 + 文本行动」是降低成本的一个方向；该论文在 Hacker News 上引发了较多讨论。
来源：[Hybrid Reasoning Agents（Hugging Face 论文页）](https://huggingface.co/papers/2610.18861)