HybridAgent实现潜在空间思考与文本行动：14B模型GAIA得分52.4，成本降超60%
talkingdev • 2026-10-19
1896 views
HybridAgent提出了一种新的AI智能体训练思路：让模型在生成过程中优先使用数值化的潜在空间表示进行内部推理，而不是把每个中间思考步骤都写成文本；当需要调用Python、网络搜索等工具或输出最终答案时，再切换到文本模式。这样既保留了工具调用和可读输出的能力，又减少了冗长思维链带来的解码开销。实验显示，经过该方法训练的14B Qwen3模型在GAIA基准上取得52.4分，优于同类纯文本智能体的43.7分；每百万问题的解码成本估算从470美元降至176美元。该结果表明，潜在空间推理有望成为提升智能体任务表现和降低推理成本的重要方向。
核心要点
- HybridAgent支持模型在潜在空间推理与文本工具调用之间灵活切换
- 14B Qwen3模型在GAIA基准得分52.4，优于文本智能体的43.7
- 每百万问题解码成本从470美元降至176美元