A^2FM：一种用于工具感知混合推理的自适应代理基础模型

大型语言模型分为两大类：以推理为中心的大型语言模型，它们能加强内部思维链推理但无法调用外部工具；以及以代理为中心的大型语言模型，它们学会与环境交互并利用工具，但往往在深度推理方面滞后。这种分歧源于根本不同的训练目标，导致在简单查询上存在不匹配的优势和效率低下，这两类模型都倾向于过度思考或过度调用工具。在这项工作中，我们提出了自适应代理基础模型 (A²FM)，这是一个遵循“先路由后对齐”原则的统一框架：模型首先学习任务感知的路由，然后在共享主干下对齐特定模式的轨迹。为了弥合效率差距，我们引入了第三种模式——即时模式，它直接处理简单查询，避免不必要的推理或工具调用，同时补充了代理模式和推理模式。为了共同提高准确性和效率，我们提出了自适应策略优化 (APO)，它强制跨模式自适应采样并应用成本正则化奖励。在 32B 规模下，A²FM 在 BrowseComp 上达到 13.4%，在 AIME25 上达到 70.4%，在 HLE 上达到 16.7%，创下了同类模型的新 SOTA 记录，并在代理、推理和通用基准测试中与前沿大型语言模型不相上下。值得注意的是，自适应执行的成功率成本仅为每正确答案 $0.00487，相对于推理模式降低了 45.2% 的成本，相对于代理模式降低了 33.5%，从而在保持可比准确性的同时提供了实质上更高的成本效益。