Édition Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# HybridAgent teste le raisonnement latent aux côtés de l'usage d'outils par texte

> Un nouveau préprint et du code publié montrent comment HybridAgent alterne raisonnement latent et usage d'outils par texte. Les gains mesurés proviennent du dispositif de test des auteurs.

By BIG CHANGE Editorial

Published: 2026-10-19T07:00:34.991Z
Updated: 2026-10-19T07:00:34.991Z
Canonical: https://bigchange.ai/blog/hybridagents-latent-reasoning-text-tool-use-paper

![Conceptual charcoal illustration of a continuous accordion paper strip with dark folded sections and completely blank pale sections.](https://bigchange.ai/api/media/file/hybridagent-latent-text-accordion-concept-v2.png)
AI-generated conceptual illustration by BIG CHANGE; no actual model trace, architecture or test result is depicted.

Un agent qui appelle un moteur de recherche doit exprimer sa requête en texte et lire le résultat. Son raisonnement interne n'a pas à suivre le même format. Dans un [préprint du 13 octobre](https://arxiv.org/html/2610.18861v1), des chercheurs de Stanford, de l'University of Illinois Urbana-Champaign, de Together AI et de Meta décrivent HybridAgent, un système alternant états internes continus et texte pour les appels d'outils, les observations et les réponses. Ils ont publié du code de recherche et deux points de contrôle pour agents. Les résultats de performance et d'efficacité annoncés viennent de leurs expériences, pas d'une réplication indépendante ni d'un service déployé.

## Le grand changement

- **Ce qui change :** HybridAgent permet à un agent fondé sur un modèle de langage de passer entre étapes internes à états continus et texte ordinaire au cours d'une même tâche. Le texte reste l'interface pour la recherche, Python et la réponse finale.
- **Pourquoi c'est important :** Les développeurs qui étudient les agents peuvent examiner si chaque étape intermédiaire doit être écrite. Les expériences des auteurs, à conditions comparables, suggèrent moins d'étapes de génération avec leur méthode. Le code public rend son implémentation inspectable. Ni l'un ni l'autre ne démontre une facture réduite pour un service en fonctionnement.
- **Ce qu'il faut surveiller :** Des exécutions indépendantes avec les points de contrôle publiés peuvent tester si l'avantage mesuré résiste à d'autres tâches et coûts d'outils. La question d'inspection plus difficile est de savoir si les mots lisibles récupérés d'un état latent décrivent fidèlement la façon dont une réponse a été obtenue.

## Comment fonctionne le basculement

En mode texte normal, le modèle génère des jetons. Lorsqu'il émet un jeton spécial `<latent>`, un petit composant appelé HybridLink remappe le dernier état caché du modèle vers son espace d'entrée. Le système injecte le vecteur continu obtenu dans l'étape suivante sans le transformer d'abord en mot. Il revient au mode texte lorsqu'une comparaison avec le jeton le plus proche identifie le marqueur `</latent>`. Le modèle peut alors écrire un appel d'outil ou sa réponse. L'article décrit un cache clé-valeur persistant qui transporte texte, étapes latentes et observations d'outils au fil des tours suivants. [L'architecture et les règles de transition figurent aux sections 3 et 4 du préprint](https://arxiv.org/html/2610.18861v1).

Cela exige plus que l'ajout d'un adaptateur à un modèle préentraîné. Les auteurs convertissent d'abord des démonstrations textuelles en séquences d'entraînement mixtes de texte et d'états latents, puis entraînent le modèle de base et HybridLink à fonctionner ensemble par apprentissage supervisé. Une phase d'apprentissage par renforcement entraîne l'agent obtenu sur des tâches de raisonnement et de recherche. À ce stade, les auteurs mettent à jour les probabilités aux positions textuelles échantillonnées et rejouent les entrées latentes enregistrées. Selon l'article, les données comprennent 54 000 démonstrations converties, puis des ensembles séparés de 12 000 exemples de raisonnement approfondi et de 1000 exemples de recherche avec agents. [Détails de l'entraînement et des données](https://arxiv.org/html/2610.18861v1).

## Ce que mesurent les tests

L'évaluation principale présente des versions 8B et 14B fondées sur Qwen3-Base sur 11 tests. Six portent sur les mathématiques, les connaissances scientifiques ou médicales et les questions à plusieurs étapes ; cinq privilégient la recherche et les tâches d'agents. Une annexe distincte teste la version 4B sur AIME25, AIME26, MATH500 et GPQA-Diamond. Les auteurs comparent leur système à des agents entraînés en texte avec les mêmes modèles de base et données, à des méthodes de raisonnement latent, à des agents de pointe et à des cadres d'usage d'outils. Ces groupes répondent à des objectifs de comparaison différents. Par exemple, dans la comparaison 14B par renforcement à conditions comparables, HybridAgent atteint 88,2% sur MATH500, contre 87,0% pour l'agent textuel entraîné avec ARPO. Sur la moyenne GAIA, l'article rapporte 52,4% pour HybridAgent 14B et 43,7% pour cette référence ARPO. Ce sont des résultats dans le dispositif des auteurs, pas un classement général d'agents déployés. [Tableaux principaux, annexe 4B et définitions des références](https://arxiv.org/html/2610.18861v1).

Le dispositif compte. L'article utilise des points de contrôle entraînés au raisonnement approfondi pour les évaluations mathématiques et à la recherche avec agents pour celles de connaissances et d'agents. Il indique une température de 0,6, top-p de 0,95 et top-k de 20 à l'inférence, avec des budgets comptant à la fois les jetons textuels et les étapes latentes. Il autorisait 4096 étapes en mathématiques et connaissances, et 24 000 sur les tâches d'agents plus difficiles. Les segments latents duraient entre 16 et 256 étapes ; les trajectoires avaient des limites d'appels d'outils. Les outils étaient un interpréteur Python isolé et la recherche en direct. Un modèle servait aussi à résumer les pages trouvées et à juger les sorties. Les auteurs rapportent entraînement et inférence sur 32 GPU H100. D'autres services d'outils, résultats de recherche ou conditions d'exploitation pourraient modifier la comparaison. [Dispositif expérimental](https://arxiv.org/html/2610.18861v1).

Le gain de performance de 10,4% du résumé renvoie aux comparaisons avec les références textuelles et latentes correspondantes au stade du renforcement, à tailles de modèles et budgets d'entraînement comparables. Il ne faut pas le lire comme un gain universel sur tous les agents de pointe. L'article rapporte aussi cinq exécutions indépendantes pour son tableau principal de tâches d'agents, avec un écart-type moyen de l'exactitude de 0,014. [Résultats et légende du tableau](https://arxiv.org/html/2610.18861v1).

## L'affirmation d'efficacité repose sur un périmètre de calcul plus étroit

L'article rapporte 2,7 fois moins de jetons textuels et jusqu'à 54% d'étapes de génération totales en moins face aux références textuelles. Son résumé donne une vitesse d'inférence multipliée par 1,8 à 2,6 et un coût estimé divisé par 2,7 à 3,7. Les étapes latentes exigent toujours du calcul du modèle. Le tableau de coûts des auteurs impute à chaque étape textuelle ou latente un passage avant complet du modèle de base et estime un million de réponses avec un prix H100 de 2,50 dollars par heure et 10% du débit BF16 maximal. Pour le modèle de base 8B, le calcul passe de 62,5 à 17,2 billions d'opérations en virgule flottante par question et de 439 à 121 dollars par million de questions. [Section d'efficacité et tableau des coûts](https://arxiv.org/html/2610.18861v1).

La même annexe exclut explicitement le traitement du prompt, les coûts d'attention variables avec le contexte et l'exécution d'outils externes. Les appels de recherche, l'hébergement et les autres coûts de service sont donc hors de cette comparaison en dollars. Les chiffres apportent des éléments utiles sur les parcours de génération mesurés et le modèle de calcul déclaré par les auteurs, mais ils n'établissent pas le coût d'exploitation d'un service d'agents complet.

## Les segments latents lisibles demandent encore un examen

HybridAgent peut afficher une lecture en pseudo-texte en associant chaque étape latente à la représentation vectorielle du jeton le plus proche. L'[exemple du dépôt](https://github.com/togethercomputer/HybridAgent) présente ces lectures aux côtés d'appels réels à la recherche et à Python. Dans une autre expérience de l'article, modifier ou remplacer les vecteurs latents réduit l'exactitude sur MATH500, ce qui soutient l'idée que ces états influencent la réponse. Cela ne prouve pas que les mots les plus proches donnent une description complète ou fidèle du calcul. [Tableau d'intervention latente](https://arxiv.org/html/2610.18861v1).

Les auteurs testent aussi l'utilité du texte visible pour la surveillance externe sur 560 problèmes mathématiques. Leur tableau indique moins de jetons textuels visibles pour HybridAgent que pour les agents textuels comparables, avec plusieurs mesures de surveillance et de débogage jugées par des modèles. Certaines s'améliorent ; l'AUROC du superviseur fort à 14B est de 0,989 pour HybridAgent et de 0,990 pour l'agent textuel. Ces tests évaluent des superviseurs et des tâches précis. Ils ne peuvent établir une transparence ou une sécurité générales, surtout pour les segments latents cachés. [Expérience d'auditabilité](https://arxiv.org/html/2610.18861v1).

## Ce qui est disponible

Le [dépôt sous licence MIT](https://github.com/togethercomputer/HybridAgent) inclut le moteur de génération hybride, les outils Python et de recherche, les chaînes d'apprentissage supervisé et par renforcement, l'inférence par lots et un inspecteur de pseudo-texte. Les auteurs renvoient vers des points de contrôle publics [8B](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) et [14B](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) **pour agents**, ainsi que des jeux de données d'entraînement. Les évaluations mathématiques de l'article utilisaient des points de contrôle de raisonnement approfondi entraînés séparément ; la liste des modèles publiés du README identifie les deux points de contrôle pour agents. Chacun comprend les poids du modèle de base et de HybridLink. Sa fiche précise que charger seulement le modèle de base via Transformers produit un modèle uniquement textuel ; la génération latente et l'usage d'outils nécessitent le code du projet.

Le README recommande 8 ou 16 GPU pour l'apprentissage supervisé et 32 GPU sur quatre nœuds pour son lanceur d'apprentissage par renforcement avec recherche agentique. L'installation inclut une clé d'API de recherche. Ce sont des exigences importantes pour qui veut essayer la chaîne de recherche documentée. BIG CHANGE a inspecté l'article, le dépôt et les fiches de modèles ; nous n'avons pas exécuté le code, téléchargé les points de contrôle ni reproduit les tests.

## Sources

- [Zou et al., Hybrid Reasoning Agents, arXiv:2610.18861v1 (2026-10-13)](https://arxiv.org/html/2610.18861v1) — Préprint principal. Les sections 3–6 et les annexes E, G, H établissent méthode, entraînement, tests, dispositif à 32 H100 et hypothèses de coût. Les résultats des auteurs ne sont pas une réplication indépendante ; l'estimation en dollars exclut préremplissage, attention contextuelle et outils.
- [Together Computer, code HybridAgent et README](https://github.com/togethercomputer/HybridAgent) — Implémentation de recherche officielle sous licence MIT. Le README liste moteur, chaînes SFT/RL, points de contrôle 8B/14B, clé Tavily et recommandations de 8/16 GPU pour SFT et 32 GPU pour le renforcement avec recherche. BIG CHANGE ne l'a pas exécutée.
- [Together Computer, fiche de modèle HybridAgent-8B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) — Fiche officielle du point de contrôle public 8B. Décrit les poids du modèle de base et de HybridLink ; génération hybride et outils nécessitent le code du dépôt.
- [Together Computer, fiche de modèle HybridAgent-14B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) — Fiche officielle du point de contrôle public 14B. Même exigence de code ; point de contrôle de recherche, pas une preuve de service déployé.