Hyra - 腾讯混元发布科学发现智能体

Hyra是什么

Hyra（Hunyuan Research Agent）是腾讯混元推出的递归自我改进型研究智能体，首个版本 Hyra-1.0 已正式推出。Hyra采用轻量 Harness 框架，通过 Context Agent 维护经验库（Experience Bank）生成灵感上下文，多个 Proposal Agent 异步消费队列、在独立沙盒中运行并评分，持续迭代优化 solution。Hyra支持双层循环，内层优化方案，外层进化评估器，覆盖 AI 研发、科学发现、游戏设计等十余个场景。

Hyra的主要功能

• 递归自我改进：基于历史经验持续探索更优方案，将成功与失败沉淀为经验库。
• 异步生产者-消费者流水线：Context Agent 整理灵感上下文填充队列，Proposal Agent 消费并执行，资源高效满载。
• 双层循环机制：内层循环基于评估器优化 solution；外层循环结合经验历史升级评估器，实现 eval 与 solution 共进化。
• 多场景覆盖：支持 AI for AI（模型训练、GPU kernel 优化）、AI for Science（数学发现、药物设计、天文预测）、AI for Fun（游戏 bot、3D 建模、音乐配器）。
• 沙盒安全执行：每个 solution 在独立沙盒中运行，以 solve.sh 为入口，确保隔离与可复现。

Hyra的技术原理

• Harness 设计：遵循 The Bitter Lesson 原则，框架轻量、动作空间广阔。给定任务描述后持续运行探索-评估-改进循环。
• Experience Bank（经验库）：存储过往 solution 的源代码、运行日志、评估器反馈等多模态经验。
• 灵感上下文（Inspirations）：Context Agent 从经验库整合多样化上下文，启发未来更好的 solution 创造。
• 信号量资源控制：保证沙盒、模型推理、任务队列等资源健康满载，solution 质量随时间高效扩展。
• 评估器共进化：针对无现成评估器的任务，Hyra 先设计初版评估器，内层循环优化后，外层循环再升级评估器，开启下一轮。

如何使用Hyra

• 定义任务：提供任务描述及可选的初始评估器。
• 启动 Harness：Hyra 自动初始化 Context Agent 与多个 Proposal Agent。
• 异步运行：Context Agent 持续生成灵感上下文填入队列；Proposal Agent 领取上下文、编写 solution（含 solve.sh 入口）。
• 沙盒执行评分：solution 在独立沙盒运行，结果反馈至 Experience Bank。
• 循环迭代：基于历史最优经验持续探索，直到主动退出或预算耗尽。
• 获取最优方案：返回历史最优 solution 及完整经验库。

Hyra的核心优势

• 简单有效：框架轻量，不依赖复杂编排，智能体动作空间广阔。
• 通用性强：同一套 Harness 横跨训练算法、系统优化、科学发现、创意生成等十余个场景。
• 评估器可进化：双层循环解决开放任务中评估标准缺失或易被 hack 的问题。
• 真实场景验证：在腾讯产品系统、真实 AI 研发流水线、工业场景中学习和进化。
• 开源透明：所有实验产物与结果均开源，便于复现与学术合作。

Hyra的项目地址

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

Hyra的同类竞品对比

对比维度HyraAlphaEvolve (Google DeepMind)发布方腾讯混元Google DeepMind定位通用科学研究智能体算法设计智能体核心机制异步生产者-消费者 + 双层循环（solution 与评估器共进化）Gemini 驱动的编码智能体，进化计算优化评估器进化✅ 支持双层循环，评估器随 solution 同步升级未明确支持评估器自进化场景覆盖AI 研发、数学、天文、药物、量子、游戏、3D、音乐等算法设计（如矩阵乘法优化）代表成果29/55 数学问题刷新纪录、15 参数加法 Transformer、量子路由提升 44.4%、PARP1 药物分子超越 olaparib4×4 复数矩阵乘法仅需 48 次标量乘法

Hyra的应用场景

• AI 基模研发：自动优化训练 recipe、数据策略、推理系统及底层 GPU kernel，在 NanoChat/NanoGPT/SOL-ExecBench 上均刷新纪录。
• 数学科学发现：从 EinsteinArena 等数据库求解开放数学问题，在 55 个问题中刷新 29 个历史最优结果。
• 天文时序预测：分析太阳黑子等历史观测数据，发现递推公式并建立长期预测模型，近一个世纪样本外验证精度高。
• 药物分子设计：针对 PARP1 等抗癌靶点，生成结合稳定且成药性优于已上市抑制剂 olaparib 的候选分子。
• 量子计算优化：为 IBM Q20 等量子芯片设计比特路由算法，相比经典 SABRE 减少 44.4% 双比特门开销，降低噪声累积。