Hyra - 腾讯混元团队发布的科研智能体

Hyra是什么

Hyra（Hunyuan Research Agent）是腾讯混元团队发布的科研智能体，首个版本为Hyra-1.0，支持递归自我改进（RSI），专为性能导向的研究与工程任务打造 。采用轻量通用框架，通过Context Agent维护经验库、多个Proposal Agent异步生成方案，持续运转"探索—生成—评估—迭代"闭环，不断逼近最优解 。目前Hyra已在AI for AI、AI for Science、AI for Fun三大领域展现实力，刷新多项模型训练与GPU算子优化纪录，在55个数学开放问题中改进29个历史最佳结果，在药物分子设计、量子计算、游戏AI等场景取得突破，是AI自主科研方向的代表性探索 。

Hyra的功能特色

• 递归自我改进（RSI）：Hyra 能够递归式地自我改进，通过持续迭代不断逼近任务最优解，是专为性能导向的研究与工程任务设计的智能体 。
• 轻量通用框架：遵循 "The Bitter Lesson" 原则，框架尽量简单轻量、智能体动作空间尽量广阔，用通用循环框架将智能与算力转化为实际收益 。
• "探索—生成—评估—迭代"闭环：给定任务描述后持续运转该循环，历史经验涵盖过往方案的运行日志、评估器反馈、源代码等，直至 Agent 主动结束或预算耗尽，最终返回历史最优方案 。
• 多智能体异步协作架构：由 Context Agent 维护经验库并生成"灵感"上下文填入任务队列，多个 Proposal Agent 从队列领取上下文、在独立沙盒中生成并运行解决方案，整体以异步"生产者-消费者"流水线高效运转 。
• 双层进化机制：对于未提供评估器的任务，可升级为双层循环，让解决方案与评估机制共同进化，有效抑制 reward hacking（奖励作弊）问题 。
• 跨领域任务覆盖：已在 AI for AI（模型训练加速、GPU 算子优化）、AI for Science（数学开放问题、太阳黑子预测、分子设计、量子路由）、AI for Fun（游戏 AI、3D 生成、音乐配器）三大领域取得突破性成果 。
• 结果开源共享：腾讯已将相关研究结果开源至 GitHub，并开放问卷招募合作者与团队成员，推动社区共建 。

Hyra的核心优势

• 自主持续优化能力：通过"探索—生成—评估—迭代"闭环与递归自我改进机制，Hyra 能在无人干预的情况下持续打磨方案，直至逼近性能极限，突破传统单次生成式 AI 的天花板。
• 实测成果领先：在 AI for AI 方向三项任务全部超越此前公开记录——NanoChat Autoresearch 验证集 BPB 降至 0.9015，NanoGPT Speedrun 达标时间缩短至 76.4 秒，SOL-ExecBench 上 235 个 GPU kernel 联合优化 Mean SOL 达 0.771。
• 科研攻坚实力突出：在 55 个数学开放问题中刷新 29 个历史最佳结果；从百年太阳黑子数据中发现递推公式，样本外预测 R² 达 0.77；针对抗癌靶点 PARP1 生成的候选分子综合评分超过已上市药物 olaparib。
• 工程效率优势显著：设计的极简 Transformer 仅需 15 个可训练参数即可完成 10 位数加法，较此前公开记录减少 58.3%；量子比特路由算法在 IBM Q20 上较经典 SABRE 算法提升 44.4% 路由效率。
• 抗作弊的可靠评估：双层进化机制让解决方案与评估机制共同进化，即使面对未提供评估器的开放任务，也能有效抑制 reward hacking，保证结果真实可信。
• 框架轻量、扩展性强：遵循 "The Bitter Lesson" 原则，以简单通用的循环框架承载广阔的智能体动作空间，多智能体异步流水线设计便于规模化扩展，可随算力增长持续释放收益。

Hyra官网是什么

• 项目官网：https://hy.tencent.com/research/hyra

Hyra的操作步骤

• 访问与获取：前往 Hyra 研究页面（hy.tencent.com/research/hyra）了解项目详情，或从 GitHub 获取腾讯开源的相关研究成果与代码，也可通过官方问卷申请合作或加入团队。
• 定义任务描述：向 Hyra 提交清晰的任务说明，明确优化目标与约束条件——例如模型训练加速、数学问题求解、分子设计或游戏 AI 开发等性能导向的研究与工程任务。
• 提供评估器（可选）：若任务自带可量化指标，可一并提供评估器；若未提供，Hyra 会自动升级为双层循环，让解决方案与评估机制共同进化，抑制 reward hacking。
• 启动智能体循环：系统启动后，Context Agent 维护经验库并持续生成"灵感"上下文填入任务队列，多个 Proposal Agent 从队列领取任务，在独立沙盒中生成并实际运行解决方案。
• 自动迭代优化：Hyra 持续运转"探索—生成—评估—迭代"闭环，不断将运行日志、评估反馈、源代码等经验沉淀回经验库，驱动后续方案持续改进。
• 等待终止条件：循环持续进行，直至 Agent 主动判断结束或算力预算耗尽，期间无需人工干预。
• 获取最优方案：任务结束后，Hyra 从全部历史方案中返回表现最优的结果，可直接用于后续研究验证、工程部署或二次开发。

Hyra的适用人群

• AI 研究员与算法工程师：适合从事模型训练优化、GPU 算子开发、训练加速等工作的从业者，Hyra 在 NanoChat Autoresearch、NanoGPT Speedrun 等任务上已超越公开记录，可辅助攻克性能瓶颈 。
• 数学与基础科学研究者：面向探索数学开放问题、需要自动化科学发现的科研人员，Hyra 已在 55 个数学开放问题中改进 29 个历史最佳结果，并能从太阳黑子等历史数据中自主发现规律 。
• 生物医药研发人员：适合药物分子设计与筛选方向的研发团队，Hyra 针对抗癌靶点 PARP1 生成的候选分子，结合-成药联合评分已超过已上市药物 olaparib 。
• 量子计算研究者：适合从事量子比特路由、量子电路优化等方向的研究者，其算法在 IBM Q20 上较经典 SABRE 算法提升 44.4% 路由效率 。
• 游戏 AI 与机器人开发者：适合开发对战型 AI、博弈程序的技术人员，Hyra 自对弈开发的黑白棋 bot 在 Botzone 平台 730 个参赛程序中排名第 3 。

Hyra的常见问题