وكلاء LLM الحديثة ي thinker و تفاعل من خلال النص، بينما يoffer التفكير الفراغات وسيلة داخلية فعالة ولكنها تفتقر إلى وصول الأدوات الأصلي ووضوح التفكير.,mid Agents الهجين (الوكلاء الهجين) تربط هذه الاتجاهين بعملية توليد موحدة. من الناحية المعمارية، يسمح رابط هجين خفيف بالانتقال السلس بين النمط النصي والنمط الفراغي، بينما يحافظ ذكرة العمل المستمرة للوكيل على السياق الهجين الخالٍ من الفقدان عبر جولات متعددة. هذه التصاميم تحافظ على قدرات الوكلاء المتكاملة مع الأدوات بينما تجعل الأفكار الفراغية قابلة لل inspections مباشرة. بناءً على هذه المعمارية، تم تطوير خوارزميات تدريب后 مخصصة للthinking الهجين: ي stabilized SFT الهجين توليد الهجين المتكامل مع الأدوات من خلال تعليم الحBACKbone للعمل مع الرابط الهجين، ثم scales RL الهجين التفكير من خلال التعلم متى ي thinker في الفراغات ومتى ي تفاعل من خلال النص. تم تقييم الوكلاء الهجين في 3 مقاييس لحجم النموذج عبر 11 معايير تغطي الرياضيات، العلوم، الطب، البحث، والthinking الوكيل. مقارنة بالوكلاء LLM المتقدمة وframeworks الوكيل، يحسن الوكلاء الهجين الأداء بشكل متسق بنسبة 10.4، بينما ي delivers تقليل Tokens بنسبة 35.5%-54.7، inference أسرع بـ 1.8x-2.6x، ووفورات تكلفة بـ 2.7x-3.7x. الكود والبيانات متاحان في هذا URL: https://example.com. البحث ي addresses تحديد بناءكلاء ي thinker超越 لغة الإنسان ولكن لا تزال ت/react من خلالها في البيئة الخارجية، offering حل عملي يجمع بين كفاءة التفكير الفراغات وسهولة التفاعل القائم على النص. النهج الم unified يمثل تقدم كبير في جعل الأفكار الفراغية قابلة لل inspections مباشرة مع الحفاظ على قدرات الوكلاء المتكاملة مع الأدوات.
المصدر: Hacker News · لخّصه HeadlinesBriefing