Hyra - テンセント・フンユアンが開発した科学発見型インテリジェントエージェント - AiBoss

ハイラとは何ですか？

Hyra（Hunyuan Research Agent）は、Tencent Hunyuanが開発した再帰的で自己改善型の研究エージェントです。最初のバージョンであるHyra-1.0が正式にリリースされました。Hyraは軽量なHarnessフレームワークを使用し、Context Agentを通じて経験バンクを維持することで、インスピレーションとなるコンテキストを生成します。複数のProposal Agentが非同期的にキューを処理し、独立したサンドボックスでソリューションを実行してスコアリングを行い、ソリューションを最適化するために継続的に反復します。Hyraは2層ループをサポートしており、内側の層はソリューションを最適化するためのもので、外側の層は進化型評価器のためのもので、AIの研究開発、科学的発見、ゲームデザインなど10以上のシナリオをカバーしています。

Hyraの主な機能

再帰的自己改善私たちは過去の経験に基づき、より良い解決策を継続的に模索し、成功と失敗を知識ベースに蓄積しています。
非同期プロデューサー・コンシューマーパイプラインコンテキストエージェントは、インスピレーションコンテキストを整理してキューに格納し、提案エージェントはそれを消費して実行することで、リソースの効率的かつ完全な利用を保証します。
二重ループ機構内側のループは評価器に基づいて解を最適化し、外側のループは経験履歴を組み合わせることで評価器をアップグレードし、評価器と解の共進化を実現します。
マルチシナリオ対応AIのためのAI（モデルトレーニング、GPUカーネル最適化）、科学のためのAI（数学的発見、創薬、天文学的予測）、そして娯楽のためのAI（ゲームボット、3Dモデリング、音楽アレンジ）をサポートします。
サンドボックスセキュリティ実行各ソリューションは独立したサンドボックス内で実行され、solve.shがエントリーポイントとなることで、分離性と再現性が確保されます。

ハイラの技術原理

ハーネスデザイン「苦い教訓」の原則に基づき、このフレームワークは軽量で、十分な柔軟性を備えています。タスクの説明が与えられると、探索・評価・改善のサイクルを継続的に実行します。
経験バンクソースコード、実行時ログ、過去のソリューションに関する評価者からのフィードバックなど、マルチモーダルな体験を保存します。
インスピレーションContext Agentは、経験に基づいた多様なコンテキストを統合し、将来的に優れたソリューションを生み出すためのインスピレーションを与えます。
セマフォによるリソース制御サンドボックス、モデル推論、タスクキューなどのリソースが健全で十分に活用されていること、およびソリューションの品質が時間の経過とともに効率的に拡張されることを確認します。
評価者の共進化既製の評価器がないタスクの場合、Hyraはまず評価器の初期バージョンを設計し、内側のループを最適化し、次に外側のループで評価器をアップグレードして次のラウンドを開始します。

Hyraの使い方

タスクを定義するタスクの説明と、オプションで初期評価者を提供します。
スタートハーネスHyraは、コンテキストエージェントと複数の提案エージェントを自動的に初期化します。
非同期実行コンテキストエージェントは、インスピレーションとなるコンテキストを継続的に生成し、キューに追加します。提案エージェントは、そのコンテキストを取得し、ソリューション（solve.shエントリポイントを含む）を書き込みます。
サンドボックス実行評価このソリューションは別のサンドボックス環境で実行され、その結果はエクスペリエンスバンクにフィードバックされます。
ループ反復過去のベストプラクティスに基づいて継続的に調査を行い、自主的な撤退または予算の枯渇まで継続する。
最適な解を得る過去の最良の解決策と、完全な経験ベースに戻ります。

ハイラのコアアドバンテージ

シンプルで効果的このフレームワークは軽量で、複雑なオーケストレーションに依存せず、エージェントに対して幅広いアクションオプションを提供する。
高い汎用性同じHarnessフレームワークは、トレーニングアルゴリズム、システム最適化、科学的発見、創造的生成など、10以上のシナリオにわたって適用されます。
評価者は進化することができる二重ループ方式は、オープンタスクにおける評価基準の欠落や、容易に改ざん可能な問題に対処する。
実世界シナリオ検証テンセントの製品システム、実際のAI研究開発パイプライン、そして産業シナリオの中で学び、成長していく。
オープンソースで透明性が高いすべての実験成果物および結果はオープンソースであり、再現性や学術的な共同研究を促進します。

ハイラのプロジェクトアドレス

プロジェクト公式サイト：https://hy.tencent.com/research/hyra

ハイラの競合製品との比較

比較対象寸法	Hyra	AlphaEvolve (Google DeepMind)
出版社	テンセント・フンユアン	Google DeepMind
位置	一般科学研究インテリジェントエージェント	アルゴリズム設計インテリジェントエージェント
コアメカニズム	非同期型生産者・消費者＋2層ループ（ソリューションと評価者の共進化）	ジェミニ駆動型コード化インテリジェントエージェント、進化的計算最適化
評価者の進化	2段階ループをサポートし、評価器は解と同期してアップグレードされます。	評価器の自己進化は明示的にはサポートされていません。
現場報道	AIの研究開発、数学、天文学、医薬品、量子力学、ゲーム、3D、音楽など。	アルゴリズム設計（例：行列乗算の最適化）
代表的な業績	55問中29問の数学問題が新記録を樹立。15パラメータ加算トランスフォーマー。量子ルーティングが44.4%向上。PARP1阻害薬分子がオラパリブを上回る。	4×4の複素行列の乗算には、わずか48回のスカラー乗算しか必要ありません。

Hyraのアプリケーションシナリオ

AI基本モデル開発トレーニングレシピ、データ戦略、推論システム、および基盤となるGPUカーネルを自動的に最適化し、NanoChat/NanoGPT/SOL-ExecBenchで新記録を樹立します。
数学科学の発見アインシュタインアリーナなどのデータベースから未解決の数学問題を解き、55問中29問で新たな最高記録を達成した。
天文時系列予測太陽黒点などの過去の観測データを分析することで、漸化式が発見され、長期予測モデルが構築された。過去100年間にわたるサンプル外検証では、高い精度が得られた。
薬剤分子設計：PARP1などの抗がん標的に安定的に結合し、市販の阻害剤であるオラパリブよりも優れた薬剤としての適性を持つ候補分子を生成すること。
量子コンピューティングの最適化IBM Q20などの量子チップ向けに、従来のSABREアルゴリズムと比較して2ビットゲートのオーバーヘッドを44.4%削減し、ノイズ蓄積を低減するビットルーティングアルゴリズムを設計する。