斯坦福与 Together AI 提出 HybridAgent：潜空间推理降低 62.5% 解码算力且 GAIA 得分反超文本智能体

Rohan Paul (@rohanpaul_ai) · 2026-10-14 17

斯坦福大学与 Together AI 的最新论文发现，更廉价的推理并不必然以牺牲准确性为代价：混合智能体（Hybrid Agents）将解码计算量降低了 62.5% 至 72.9%，同时得分反而更高。

研究表明，当大部分思考过程发生在隐藏向量中而非书面文本里时，智能体的运行速度更快且得分更高。

如今的智能体会将每一个推理步骤都写成文本 token，这既缓慢又昂贵。在内部向量中进行推理的模型速度更快，但它们无法调用工具，人类也无法读取其思考内容。

HybridAgent 增加了一个小型适配器，将模型的内部状态作为下一个输入反馈给模型，使其能够“不写文字”地进行思考。它在需要调用工具和做出关键决策时切换回文本模式，而其静默步骤仍可被解码为可读的文字。

在 GAIA 基准测试上，14B 版本得分为 52.4，高于使用 ARPO 训练的同款纯文本智能体的 43.7 分。此外，它的运行速度比同等配置的文本智能体快 2.1 倍。

如果你的智能体在常规推理上消耗了大量 token，不妨尝试将这些推理保留在内部，仅将文本用于工具调用和人类必须检查的步骤。

↳ 引用 @Jiaru_Zou (Jiaru "Rubin" Zou): 你的 LLM 智能体必须逐 token 地“大声思考”，才能进行搜索、运行代码或在现实世界中行动。

我们人类并非如此。我们在沉默中沉思，只在关键时刻开口。

人类语言本就不应成为机器思维的局限。

隆重推出 🌗混合推理智能体（Hybrid Reasoning Agents）

• 在潜在空间思考，通过文本行动
• 两种模式，统一的单一流转多轮对话流程
• 无黑盒，潜在思维完全可读
• 任何 LLM 均可转变为 HybridAgent