Un nouvel article en preprint sur arXiv présente le framework HybridAgents, qui permet aux agents d’IA de basculer entre un mode latent, où le raisonnement s’effectue en interne sans génération de texte, et un mode texte réservé aux actions externes. Le framework a été testé sur les modèles Qwen3-Base de 4B, 8B et 14B paramètres via 11 benchmarks dans les domaines des mathématiques, des sciences et de la médecine. Les résultats font état d’une réduction des coûts de calcul de 63 % à 73 %, avec des gains de performance moyens de 10,4 % par rapport aux agents LLM existants. Les auteurs incluent Jiaru Zou de Stanford et Together AI, qui ont rendu le code et les modèles disponibles sur GitHub et Hugging Face. Certaines précautions s’imposent : l’article n’a pas été relu par des pairs et les tests n’ont porté que sur des modèles allant jusqu’à 14B paramètres.
Source: Lire l’article original
