A^2FM: Um Modelo de Fundação de Agente Adaptativo para Raciocínio Híbrido com Consciência de Ferramentas

Resumo

Os grandes modelos de linguagem (LLMs) dividem-se em duas famílias: os LLMs centrados em raciocínio, que fortalecem a cadeia de pensamento interna, mas não conseguem invocar ferramentas externas, e os LLMs agentes, que aprendem a interagir com ambientes e a utilizar ferramentas, mas frequentemente ficam aquém em raciocínio profundo. Essa divisão surge de objetivos de treinamento fundamentalmente diferentes, levando a pontos fortes desalinhados e ineficiência em consultas simples, onde ambas as famílias tendem a superanalisar ou a chamar ferramentas em excesso. Neste trabalho, apresentamos o Adaptive Agent Foundation Model (A^2FM), um framework unificado que segue o princípio de rotear e alinhar: o modelo primeiro aprende o roteamento consciente da tarefa e, em seguida, alinha trajetórias específicas de modo sob uma estrutura compartilhada. Para abordar a lacuna de ineficiência, introduzimos um terceiro modo - o modo instantâneo - que lida diretamente com consultas simples, evitando raciocínios ou chamadas de ferramentas desnecessárias, enquanto complementa os modos agente e de raciocínio. Para aprimorar conjuntamente a precisão e a eficiência, propomos a Otimização de Política Adaptativa (APO), que aplica amostragem adaptativa entre os modos e utiliza uma recompensa regularizada por custo. Na escala de 32B, o A^2FM alcança 13,4% no BrowseComp, 70,4% no AIME25 e 16,7% no HLE, estabelecendo novos recordes de estado da arte (SOTA) entre modelos comparáveis e desempenhando-se de forma competitiva com LLMs de ponta em benchmarks agentes, de raciocínio e gerais. Notavelmente, a execução adaptativa alcança um custo por resposta correta de apenas $0,00487 - reduzindo o custo em 45,2% em relação ao modo de raciocínio e em 33,5% em relação ao modo agente, proporcionando assim uma eficiência de custo substancialmente maior enquanto mantém uma precisão comparável.

English

Large language models split into two families: reasoning-centric LLMs, which strengthen internal chain-of-thought reasoning but cannot invoke external tools, and agentic LLMs, which learn to interact with environments and leverage tools but often lag in deep reasoning. This divide arises from fundamentally different training objectives, leading to mismatched strengths and inefficiency on simple queries, where both families tend to overthink or over-call tools. In this work, we present Adaptive Agent Foundation Model (A^2FM), a unified framework that follows a route-then-align principle: the model first learns task-aware routing and then aligns mode-specific trajectories under a shared backbone. To address the inefficiency gap, we introduce a third mode-instant-that handles simple queries directly, preventing unnecessary reasoning or tool calls while complementing the agentic and reasoning modes. To jointly enhance accuracy and efficiency, we propose Adaptive Policy Optimization (APO), which enforces adaptive sampling across modes and applies a cost-regularized reward. On the 32B scale, A^2FM achieves 13.4% on BrowseComp, 70.4% on AIME25, and 16.7% on HLE, setting new SOTA among comparable models and performing competitively with frontier LLMs across agentic, reasoning, and general benchmarks. Notably, the adaptive execution achieves a cost of pass of only $0.00487 per correct answer-cutting cost by 45.2% relative to reasoning and 33.5% relative to agentic, thus delivering substantially higher cost efficiency while maintaining comparable accuracy.

A^2FM: Um Modelo de Fundação de Agente Adaptativo para Raciocínio Híbrido com Consciência de Ferramentas

A^2FM: An Adaptive Agent Foundation Model for Tool-Aware Hybrid Reasoning

Resumo

Support