HybridAgent: Berpikir di Latent Space, Bertindak Lewat Teks
Judul asli: Hybrid Reasoning Agents: LLM agents that think in latent space, act through text
Mengapa Ini Penting
Efisiensi biaya dan kecepatan inferensi jadi faktor kritis adopsi agen AI di industri.
Peneliti Stanford dan UIUC memperkenalkan HybridAgent, agen LLM yang menggabungkan penalaran latent dan teks, dengan peningkatan performa 10,4% dan penghematan biaya hingga 3,7x.
Tim peneliti dari Stanford dan University of Illinois Urbana-Champaign mempublikasikan makalah berjudul 'Hybrid Reasoning Agents' di arXiv pada 13 Oktober 2026. Penelitian ini menawarkan arsitektur baru yang memungkinkan agen AI beralih secara dinamis antara penalaran di ruang laten (latent space) dan interaksi berbasis teks dalam satu proses generasi terpadu.
Komponen utama arsitektur ini adalah HybridLink — modul ringan yang mengatur transisi antara dua mode tersebut — serta memori kerja kontinu yang mempertahankan konteks hybrid lintas beberapa giliran tanpa kehilangan informasi. Pendekatan ini menjaga kemampuan agen untuk menggunakan alat eksternal sekaligus membuat proses berpikir laten tetap dapat diperiksa.
Pelatihan pasca-arsitektur dilakukan lewat dua algoritma: HybridSFT untuk menstabilkan generasi hybrid terintegrasi alat, dan HybridRL untuk mengajarkan agen kapan harus berpikir di latent space versus kapan harus bertindak melalui teks.
Dievaluasi di tiga skala model dan 11 benchmark mencakup matematika, sains, kedokteran, pencarian, dan penalaran agentic, HybridAgent mencatat peningkatan performa rata-rata 10,4% dibanding agen LLM terdepan. Selain itu, token berkurang 35,5%–54,7%, inferensi 1,8x–2,6x lebih cepat, dan biaya turun 2,7x–3,7x. Kode dan data tersedia secara publik.