7月21日、騰訊・ホンユアンチームは正式にHyra-1.0（ホンユアン・リサーチ・エージェント）を発表しました。これは、自己改善を繰り返すことができ、パフォーマンス指向の研究と工学的なタスクに特化したインテリジェントなエージェントです。このシステムは「The Bitter Lesson」という設計哲学に基づいており、フレームワークはできるだけ軽量で、エージェントの行動空間はできるだけ広く、単純で汎用性のあるループフレームワークを通じて、知能と計算能力を実際の利益に変換します。

Hyraのコア構造は3つの部分から構成されています：Context Agentは経験データベースを維持し、継続的に「インスピレーション」のコンテキストを生成してタスクキューに追加します。複数のProposal Agentはキューからコンテキストを受け取り、独立したサンドボックス内で解決策を生成し、実行します。このすべてのシステムは非同期のプロデューサー・コンシューマーのフローで動作し、リソース利用率が時間とともに効率的に拡大されます。評価器が提供されていないタスクに対しては、Hyraは2段階のループにアップグレードでき、解決策と評価メカニズムが共に進化し、reward hackingを効果的に抑制します。

QQ20260721-135303.jpg

AI for AIの分野では、Hyraは3つのベンチマークテストでRecursive報告の最適結果を上回りました。NanoChat Autoresearchタスクにおいて、検証セットのBPBを0.9015にまで低下させました。コミュニティが深く最適化されたNanoGPT Speedrunでは、検証損失が3.28となる時間を76.4秒に短縮しました。SOL-ExecBenchでは、235個のGPU kernelを統合最適化した後、Mean SOLは0.771に達しました。

AI for Scienceの分野では、HyraはEinsteinArenaなどのデータベースから55の数学的オープン問題を選定し、そのうち29個は歴史的な最高記録を更新しました。また、チームは1749年から1932年の月ごとの太陽黒点データをHyraに提供し、Hyraが発見した再帰式は過去1世紀にわたるサンプル外データにおいてR²=0.77の予測精度を示しました。さらに画期的なのは、10桁の足し算を15個のトレーニング可能なパラメータのみで行うことができるTransformerを設計したことで、以前の公開記録よりも58.3%減少しています。量子ビットルーティングアルゴリズムでは、IBM Q20上で古典的なSABREアルゴリズムより44.4%高いルーティング効率を達成しました。薬物設計の分野では、抗癌ターゲットPARP1に対する候補分子を生成し、医薬性スコアが既存薬olaparibを大きく上回りました。

AI for Funの分野では、Hyraが開発したチェックボード対戦プログラムはBotzoneプラットフォームの730の参加プログラムの中で第3位にランクインしました。1枚の2D参照画像だけでレンダリング可能な3Dモデルを生成することも可能です。また、メロディーを基にさまざまな楽器の完全和声を編曲し、7ラウンドの進化後に豊かな色彩を持つ完全な編成を生成できます。

騰訊・ホンユアンチームは、これらの成果はまだ初期段階であり、今後Hyraを製品システムや本格的なAI研究開発フローや産業シーンに接続し、「スタンド-データ-モデル」の進化サイクルを回転させ、次世代のホンユアンモデルとHyraが継続的に共進化する予定であると述べました。