আধুনিক LLM এজেন্ট্স টেক্সটের মাধ্যমে রিজনিং এবং ইনটার্যাক্ট করে, যেখানে লেটেন্ট রিজনিং একটি দক্ষ অভ্যন্তরীণ মাধ্যম প্রদান করে কিন্তু নেটিভ টুল অ্যাক্সেস এবং রিজনিং ট্রান্সপারেন্সির অভাব আছে। হাইব্রিড রিজনিং এজেন্ট্স (হাইব্রিড এজেন্ট্স) একীকৃত জেনারেশন প্রক্রিয়ার মাধ্যমে এই দুটি দিককে সংযোগ করে। স্থাপত্যিকভাবে, একটি হালকা হাইব্রিড লিংক টেক্স্ট এবং লেটেন্ট মোডের মধ্যে নিঃসীম সংক্রমণ নিশ্চিত করে, যেখানে এজেন্টটির অবিরাম কার্যস্মৃতি একাধিক টার্নের মধ্যে লেটেন্ট হাইব্রিড প্রেক্ষাপটকে লসহীনভাবে সংরক্ষণ করে। এই ডিজাইনগুলো টুল-ইনটিগ্রেটেড এজেন্ট ক্ষমতাগুলো সংরক্ষিত রাখে যখন লেটেন্ট চিন্তাগুলো প্রত্যক্ষভাবে পরীক্ষা করা যায়। এই স্থাপত্যিক ভিত্তিতে, হাইব্রিড রিজনিংয়ের জন্য ডেডিকেটেড পোস্ট-ট্রেনিং অ্যালগরিথমগুলো উন্নত করা হয়েছে: হাইব্রিড SFT টুল-ইনটিগ্রেটেড হাইব্রিড জেনারেশনকে স্থির করে মূল অংশকে হাইব্রিড লিংকের সাথে সমন্বয় করতে শিখিয়ে, তারপর হাইব্রিড RL রিজনিংকে বাড়াতে শেখায় যে কখন লেটেন্ট স্পেসে চিন্তা করতে হবে এবং কখন টেক্সটের মাধ্যমে ক্রিয়াশীলতা প্রদর্শন করতে হবে। হাইব্রিড এজেন্টকে ৩টি মডেল স্কেলে ১১টি বেঞ্চমার্কে মূল্যায়ন করা হয়েছে যেগুলো গণিত, বিজ্ঞান, চিকিৎসা, অনুসন্ধান এবং এজেন্ট রিজনিং কে আবর্ণ করে। সর্বশেষ LLM এজেন্ট এবং এজেন্ট ফ্রেমওয়ার্কের সাথে তুলনা করে, হাইব্রিড এজেন্ট ক্রমাগত ১০.৪% উন্নতি করে, অভ্যন্তরীণ ৩৫.৫%-৫৪.৭% টোকেন হ্রাস, ১.৮x-২.৬x ত্বরিত ইনফারেন্স এবং ২.৭x-৩.৭x খরচ সংরক্ষণ প্রদান করে। কোড এবং ডেটা এই URL-এ প্রযোজ্য: https://example.com। গবেষণাটি মানুষের ভাষার অতিরিক্ত চিন্তা করে এমন এজেন্ট তৈরির চ্যালেঞ্জিকে সম্বোধন করে যা তবুও বাইরের পরিবেশে একই ভাষার মাধ্যমে ক্রিয়াশীলতা প্রদর্শন করে, একটি ব্যবহারিক সমাধান প্রদান করে যা লেটেন্ট রিজনিংয়ের দক্ষতাকে টেক্সট-ভিত্তিক ইনটার্যাকশনের সুবিধার সাথে যোগাযোগ করে। একীকৃত পদ্ধতিটি লেটেন্ট চিন্তাগুলো প্রত্যক্ষভাবে পরীক্ষা করা যায় এমন করে একটি গুরুত্বপূর্ণ অগ্রসরমান প্রতিনিধিত্ব করে যখন টুল-ইনটিগ্রেটেড এজেন্ট ক্ষমতাগুলো সংরক্ষিত থাকে।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing