HybridAgent：推理藏进内部向量，解码算力省 62.5% 还更准

Stanford 与 Together AI 的论文提出 HybridAgent，用一个小适配器把模型内部状态回喂为下一步输入，让多数推理在隐藏向量中完成而不写成文字。智能体只在调用工具和关键决策时切换回文本，静默步骤仍可解码成可读文字供人检查，解码计算量因此降低 62.5% 至 72.9%。在 GAIA 基准上，14B 版本得 52.4 分，高于同模型用 ARPO 训练的纯文本智能体的 43.7 分，速度快 2.1 倍。