HybridAgents : raisonnement latent, action en texte
Original : Hybrid Reasoning Agents: LLM agents that think in latent space, act through text
Pourquoi c'est important
Réduire les coûts d'inférence tout en augmentant les capacités agentiques est un enjeu industriel majeur.
Des chercheurs de Stanford et d'Illinois présentent HybridAgents, des agents LLM combinant raisonnement en espace latent et interaction textuelle, avec +10,4% de performance et jusqu'à 3,7x moins de coûts sur 11 benchmarks.
Comment construire un agent capable de penser au-delà du langage humain tout en agissant à travers lui ? C'est la question centrale de ce papier signé par Jiaru Zou et sept co-auteurs, soumis sur arXiv le 13 octobre 2026.
Leur réponse : les Hybrid Reasoning Agents (HybridAgents), une architecture qui alterne dynamiquement entre raisonnement en espace latent et interaction textuelle au sein d'un même processus de génération. Un composant léger, HybridLink, gère les transitions entre les deux modes, tandis qu'une mémoire de travail continue préserve le contexte hybride entre les tours de dialogue.
L'entraînement repose sur deux algorithmes dédiés : HybridSFT stabilise la génération intégrant des outils, et HybridRL apprend à l'agent quand penser en latent et quand agir par le texte.
Évalué sur 3 échelles de modèles et 11 benchmarks couvrant mathématiques, sciences, médecine, recherche web et raisonnement agentique, HybridAgent surpasse les agents LLM et frameworks existants de 10,4% en performance moyenne. Il réduit simultanément le nombre de tokens de 35,5% à 54,7%, accélère l'inférence d'un facteur 1,8x à 2,6x, et divise les coûts par 2,7 à 3,7. Le code et les données sont disponibles publiquement.