AI 요약
아르카이브(arXiv)에 2026년 10월 13일 제출된 논문으로, 텍스트 기반 추론과 잠재 공간(latent space) 추론을 하나의 생성 과정에서 동적으로 오가는 하이브리드 추론 에이전트(HybridAgents)를 제안한다. 경량 모듈 'HybridLink'가 텍스트 모드와 잠재 모드 간 전환을 담당하고, 연속 작업 메모리가 다중 턴에서도 손실 없는 하이브리드 컨텍스트를 유지한다. HybridSFT와 HybridRL 두 단계 후속 학습 알고리즘으로 도구 통합 능력과 "언제 잠재적으로 사고하고 언제 텍스트로 행동할지"를 학습한다. 수학·과학·의학·검색·에이전트 추론 등 11개 벤치마크, 3개 모델 규모에서 기존 프런티어 LLM 에이전트 대비 성능 10.4% 향상과 함께 토큰 35.5~54.7% 절감, 추론 속도 1.8~2.6배, 비용 2.7~3.7배 절감을 달성했다.
핵심 포인트
- HybridLink 기반 텍스트↔잠재 모드 동적 전환 아키텍처로 도구 접근성과 추론 투명성 동시 확보
- HybridSFT(도구 통합 안정화) → HybridRL(잠재 사고/텍스트 행동 시점 학습) 2단계 후속 학습
- 11개 벤치마크·3개 모델 규모에서 성능 10.4% 향상, 토큰 35.5~54.7% 절감, 속도 최대 2.6배, 비용 최대 3.7배 절감
- 2026년 10월 13일 제출, 45페이지·12개 그림, 코드·데이터 공개
향후 전망
- 잠재 추론의 검사 가능성(inspectability) 확보로 에이전트 신뢰성·감사 요구가 큰 기업용 응용 확대 기대
- 토큰·비용 절감 효과가 커 대규모 에이전트 서비스의 운영 경제성 개선에 직접적 영향
출처:hackernews (arXiv:2610.18861)
