---
source_url: https://arxiv.org/abs/2610.18861
source_title: "Hybrid Reasoning Agents"
source_site: "arXiv.org"
hero_image: https://static.arxiv.org/icons/twitter/arxiv-logo-twitter-square.png
tags: llm-agents,latent-reasoning,tool-use,reinforcement-learning,machine-learning
generated_at: 2026-10-19T00:00:40.217Z
model: claude-haiku-5-5
---
# 潜在推論とテキストによる対話を動的に切り替える「Hybrid Reasoning Agents」

論文の著者であるJiaru Zouは、潜在推論とテキストベースの対話を一つの生成過程の中で動的に切り替えるLLMエージェント「HybridAgents」を提案した。論文は2026年10月にarXivへ投稿された。

arXiv.orgに投稿された論文「Hybrid Reasoning Agents」は、Jiaru Zouによるものである。論文は、潜在推論（latent reasoning）とテキストベースのツール対話を統合するLLMエージェントのアーキテクチャ「Hybrid Reasoning Agents（HybridAgents）」を提示している。論文の長さは45ページで、図は12点である。

## 提案アーキテクチャ

HybridAgentsは、統一された生成過程の中で潜在推論とテキストベースの対話の間を動的に移行する。その移行を担うのが軽量な「HybridLink」であり、テキストモードと潜在モードの切り替えを可能にする。

さらに、連続的なワーキングメモリを備え、複数ターンにわたってハイブリッドな文脈を保持する。

## 学習手法と評価

著者は、事後学習アルゴリズムとして「HybridSFT」と「HybridRL」を開発した。

評価は3つのモデル規模で行われ、数学、科学、医療、検索、エージェント型推論を含む11のベンチマークにわたって実施された。

## 報告された性能

著者らは、テキストベースと潜在型の両方の手法を含むフロンティアのLLMエージェントおよびエージェント型フレームワークと比較した結果を報告している。

- 性能が10.4%向上したとされる
- トークン数が35.5%-54.7%削減された
- 推論速度が1.8x-2.6x高速化された
- コストが2.7x-3.7x削減された

*この記事は元記事の事実のみに基づいて自動生成されました。*

## 出典

- arXiv.org「Hybrid Reasoning Agents」
- https://arxiv.org/abs/2610.18861