Markdown izdanje

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

# HybridAgent ispituje latentno rezonovanje uz tekstualnu upotrebu alata

> Novi preprint i objavljeni kod pokazuju kako HybridAgent smenjuje latentno rezonovanje i tekstualnu upotrebu alata. Izmerena poboljšanja potiču iz testnog okruženja autora.

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.

Agent koji poziva pretraživač mora da izrazi upit tekstom i pročita rezultat. Njegovo unutrašnje rezonovanje ne mora da prati isti format. U [preprintu od 13. oktobra](https://arxiv.org/html/2610.18861v1), istraživači sa Stanforda, Univerziteta Ilinois u Urbani i Šampejnu, iz Together AI-ja i Mete opisuju HybridAgent, sistem koji smenjuje neprekidna unutrašnja stanja sa tekstom za pozive alata, opažanja i odgovore. Objavili su istraživački kod i dve kontrolne tačke modela za agentske zadatke. Prijavljeni rezultati učinka i efikasnosti potiču iz eksperimenata autora, a ne iz nezavisnog ponavljanja ili već pokrenute usluge.

## Velika promena

- **Šta se promenilo:** HybridAgent omogućava agentu zasnovanom na jezičkom modelu da tokom jednog zadatka prelazi između unutrašnjih koraka sa neprekidnim stanjem i običnog teksta. Tekst ostaje interfejs za pretragu, Python i konačan odgovor.
- **Zašto je važno:** Programeri koji proučavaju agente mogu da ispitaju da li svaki međukorak mora da bude zapisan. Eksperimenti autora sa usklađenim uslovima ukazuju na manje koraka generisanja kod njihove metode, dok javni kod omogućava pregled implementacije. Nijedno ne dokazuje niži račun za uslugu u radu.
- **Šta pratiti:** Nezavisna pokretanja sa objavljenim kontrolnim tačkama mogu ispitati da li izmerena prednost opstaje uz druge zadatke i troškove alata. Teže pitanje za proveru jeste da li čitljive reči dobijene iz latentnog stanja verno opisuju kako je odgovor nastao.

## Kako prelazak funkcioniše

U uobičajenom tekstualnom režimu model generiše tokene. Kada emituje poseban token `<latent>`, mala komponenta HybridLink preslikava poslednje skriveno stanje modela nazad u njegov ulazni prostor. Sistem prosleđuje dobijeni neprekidni vektor u sledeći korak bez prethodnog pretvaranja u reč. Vraća se u tekstualni režim kada poređenje sa najbližim tokenom prepozna oznaku `</latent>`. Model tada može da napiše poziv alata ili odgovor. Rad opisuje trajni keš ključeva i vrednosti koji prenosi tekst, latentne korake i opažanja alata u naredne krugove. [Arhitektura i pravila prelaska nalaze se u odeljcima 3 i 4 preprinta](https://arxiv.org/html/2610.18861v1).

To zahteva više od dodavanja adaptera na unapred obučen model. Autori najpre pretvaraju tekstualne demonstracije u mešovite tekstualne i latentne sekvence za obuku, a zatim nadgledanom obukom uče osnovni model i HybridLink da rade zajedno. Faza učenja potkrepljivanjem obučava dobijenog agenta na zadacima rezonovanja i pretrage. U toj fazi autori ažuriraju verovatnoće na uzorkovanim tekstualnim pozicijama i ponavljaju zabeležene latentne ulaze. Rad navodi 54.000 pretvorenih demonstracija, a zatim zasebne skupove od 12.000 primera dubokog rezonovanja i 1.000 primera agentske pretrage. [Detalji obuke i podataka](https://arxiv.org/html/2610.18861v1).

## Šta su testovi merili

Glavna evaluacija prikazuje verzije od 8B i 14B zasnovane na Qwen3-Base na 11 testova. Šest obuhvata matematiku, naučno ili medicinsko znanje i pitanja sa više koraka; pet naglašava pretragu i agentske zadatke. Zaseban dodatak ispituje verziju od 4B na četiri testa: AIME25, AIME26, MATH500 i GPQA-Diamond. Autori porede tekstualno obučene agente sa istim osnovnim modelima i podacima za obuku, metode latentnog rezonovanja, najnaprednije agente i okvire za upotrebu alata. Te grupe imaju različite svrhe poređenja. Na primer, u usklađenom poređenju učenja potkrepljivanjem za 14B, HybridAgent postiže 88,2% na MATH500, naspram 87,0% tekstualnog agenta obučenog pomoću ARPO-a. Za prosek GAIA, rad navodi 52,4% za HybridAgent 14B i 43,7% za taj ARPO reper. To su rezultati pod uslovima autora, a ne opšte rangiranje agenata u stvarnoj upotrebi. [Glavne tabele, dodatak za 4B i definicije repera](https://arxiv.org/html/2610.18861v1).

Postavka je važna. Rad za matematičke evaluacije koristi kontrolne tačke obučene za duboko rezonovanje, a za evaluacije znanja i agentskih zadataka one obučene za agentsku pretragu. Navodi temperaturu 0,6, top-p 0,95 i top-k 20 pri zaključivanju, uz budžete koji računaju i tekstualne tokene i latentne korake. Dozvoljeno je 4.096 koraka za matematiku i znanje, a 24.000 za teže agentske zadatke. Latentni nizovi trajali su najmanje 16, a najviše 256 koraka; putanje su imale ograničenja poziva alata. Alati su bili izolovani Python interpreter i pretraga uživo, uz model za sažimanje stranica pretrage i ocenjivanje izlaza. Autori navode obuku i zaključivanje na 32 H100 GPU-a. Drugi servisi alata, rezultati pretrage ili radni uslovi mogli bi promeniti poređenje. [Eksperimentalna postavka](https://arxiv.org/html/2610.18861v1).

Poboljšanje učinka od 10,4% iz sažetka odnosi se na poređenja sa odgovarajućim tekstualnim i latentnim reperima u fazi učenja potkrepljivanjem, uz usklađene veličine modela i budžete obuke. Ne treba ga čitati kao univerzalno poboljšanje u odnosu na svakog najnaprednijeg agenta. Rad takođe navodi rezultate pet nezavisnih pokretanja za glavnu tabelu agentskih zadataka, uz prosečnu standardnu devijaciju tačnosti od 0,014. [Rezultati i opis tabele](https://arxiv.org/html/2610.18861v1).

## Tvrdnja o efikasnosti ima uži obuhvat obračuna

Rad navodi 2,7 puta manje tekstualnih tokena i do 54% manje ukupnih koraka generisanja u poređenju sa tekstualnim reperima. Sažetak daje raspon brzine zaključivanja od 1,8 do 2,6 puta i procenjeni trošak niži 2,7 do 3,7 puta. Latentni koraci i dalje zahtevaju računanje modela. Tabela troškova autora svaki tekstualni ili latentni korak računa kao ceo prolaz unapred kroz osnovni model i procenjuje milion odgovora uz cenu H100 od 2,50 USD na sat, pri 10% vršne BF16 propusnosti. Za osnovni model od 8B, taj obračun prelazi sa 62,5 na 17,2 biliona operacija sa pokretnim zarezom po pitanju i sa 439 na 121 USD za milion pitanja. [Odeljak o efikasnosti i tabela troškova](https://arxiv.org/html/2610.18861v1).

Isti dodatak izričito isključuje obradu upita, troškove pažnje koji variraju sa kontekstom i izvršavanje spoljnih alata. Pozivi pretrage, hosting i drugi servisni troškovi zato nisu deo tog poređenja u dolarima. Brojevi su korisni podaci o izmerenim putanjama generisanja autora i njihovom navedenom modelu računanja, ali ne utvrđuju trošak rada cele agentske usluge.

## Čitljivi latentni nizovi i dalje zahtevaju proveru

HybridAgent može prikazati pseudotekst preslikavanjem svakog latentnog koraka na najbliži vektorski prikaz tokena. [Primer u repozitorijumu](https://github.com/togethercomputer/HybridAgent) prikazuje takva očitavanja uz stvarne pozive pretrage i Pythona. U zasebnom eksperimentu u radu, menjanje ili zamena latentnih vektora smanjuje tačnost na MATH500, što podržava tvrdnju da ta stanja utiču na odgovor. Ne pokazuje da najbliže reči daju potpun ili veran opis računanja. [Tabela intervencija u latentnom prostoru](https://arxiv.org/html/2610.18861v1).

Autori takođe ispituju korisnost vidljivog teksta za spoljni nadzor na 560 matematičkih zadataka. Tabela prikazuje manje vidljivih tekstualnih tokena za HybridAgent nego za usklađene tekstualne agente, uz više mera nadzora i otklanjanja grešaka koje procenjuju modeli. Neke mere se poboljšavaju; AUROC snažnog nadzornog modela za 14B iznosi 0,989 za HybridAgent i 0,990 za tekstualnog agenta. Ti testovi ocenjuju konkretne nadzorne modele i zadatke. Ne mogu utvrditi opštu transparentnost ili bezbednost, naročito za skrivene latentne nizove. [Eksperiment mogućnosti revizije](https://arxiv.org/html/2610.18861v1).

## Šta je sada dostupno

Repozitorijum [sa MIT licencom](https://github.com/togethercomputer/HybridAgent) sadrži hibridni mehanizam generisanja, Python i alate za pretragu, tokove nadgledane obuke i učenja potkrepljivanjem, grupno zaključivanje i inspektor pseudoteksta. Autori povezuju javne kontrolne tačke od [8B](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) i [14B](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) **za agentske zadatke**, uz skupove podataka za obuku. Matematičke evaluacije rada koristile su zasebno obučene kontrolne tačke za duboko rezonovanje; lista objavljenih modela u README-u navodi dve agentske kontrolne tačke. Svaka javna kontrolna tačka sadrži težine osnovnog modela i HybridLink-a. Kartica modela kaže da učitavanje osnovnog modela samo kroz Transformers daje isključivo tekstualni model; latentno generisanje i upotreba alata zahtevaju kod projekta.

README preporučuje 8 ili 16 GPU-ova za nadgledanu obuku i 32 GPU-a na četiri čvora za pokretač učenja potkrepljivanjem sa agentskom pretragom. Uputstvo za instalaciju uključuje API ključ za pretragu. To su značajni zahtevi za svakoga ko pokušava dokumentovani istraživački postupak. BIG CHANGE je pregledao rad, repozitorijum i kartice modela; nije pokrenuo kod, preuzeo kontrolne tačke niti ponovio testove.

## Sources

- [Zou i saradnici, Hybrid Reasoning Agents, arXiv:2610.18861v1 (2026-10-13)](https://arxiv.org/html/2610.18861v1) — Primarni preprint. Odeljci 3–6 i dodaci E, G, H opisuju metodu, obuku, testove, postavku sa 32 H100 i pretpostavke troška. Rezultati autora nisu nezavisno ponavljanje; procena u dolarima isključuje prefill, pažnju konteksta i alate.
- [Together Computer, HybridAgent kod i README](https://github.com/togethercomputer/HybridAgent) — Zvanična istraživačka implementacija sa MIT licencom. README navodi mehanizam, SFT/RL tokove, kontrolne tačke 8B/14B, Tavily ključ, preporuke od 8/16 GPU-ova za SFT i 32 GPU-a za RL pretrage. BIG CHANGE je nije pokrenuo.
- [Together Computer, kartica modela HybridAgent-8B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) — Zvanična kartica javne kontrolne tačke od 8B. Opisuje težine osnovnog modela i HybridLink-a; hibridno generisanje i upotreba alata zahtevaju kod repozitorijuma.
- [Together Computer, kartica modela HybridAgent-14B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) — Zvanična kartica javne kontrolne tačke od 14B. Isti zahtev za kodom; istraživačka kontrolna tačka, ne dokaz da postoji pokrenuta usluga.