Hyra是什么
腾讯混元近期正式发布了一款极具创新性的产品——Hyra，全称为Hunyuan Research Agent，这是一种能够自我优化的研究智能体。首个版本Hyra-1.0现已上线，其核心设计理念是让AI自主迭代解决方案，持续提升性能。具体而言，Hyra基于轻量化的Harness框架，通过Context Agent维护一个“经验库”（Experience Bank），从中提取灵感上下文；随后，多个Proposal Agent异步处理队列中的任务，在独立沙盒中执行并评分，从而不断迭代优化最终方案。该架构支持双层循环：内层循环专注于优化具体方案，外层循环则用于升级评估器本身。目前，Hyra已广泛应用于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：基于积累的历史经验持续探索更优方案，将成功与失败案例沉淀至经验库，便于后续直接调用。
- 异步生产者-消费者流水线：Context Agent负责整理灵感上下文并填充队列，Proposal Agent则执行消费，最大化资源利用率。
- 双层循环机制：内层循环通过评估器优化解决方案；外层循环结合经验历史升级评估器，实现评估标准与方案的共同进化。
- 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）以及AI for Fun（游戏bot、3D建模、音乐配器）等领域。
- 沙盒安全执行：每个解决方案均在独立沙盒中运行，以solve.sh为入口，确保环境隔离性与结果可复现性。
Hyra的技术原理
- Harness设计：遵循The Bitter Lesson原则，框架轻量且动作空间广阔。在给定任务描述后，系统持续运行“探索-评估-改进”循环。
- Experience Bank（经验库）：存储过往解决方案的源代码、运行日志、评估器反馈等多模态经验数据。
- 灵感上下文（Inspirations）：Context Agent从经验库中整合多样化的上下文信息，启发未来更优方案的产生。
- 信号量资源控制：确保沙盒、模型推理、任务队列等资源健康满载，使解决方案质量随时间高效提升。
- 评估器共进化：针对缺乏现成评估器的任务，Hyra先设计初版评估器，内层循环优化方案后，外层循环再升级评估器，开启新一轮迭代。
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并填入队列；Proposal Agent领取上下文、编写解决方案（包含solve.sh入口）。
- 沙盒执行评分：解决方案在独立沙盒中运行，结果反馈至Experience Bank。
- 循环迭代：基于历史最优经验持续探索，直至主动退出或预算耗尽。
- 获取最优方案：返回历史最优解决方案及完整的经验库。
Hyra的核心优势
- 简单有效：框架轻量，不依赖复杂编排，为智能体提供广阔的动作空间。
- 通用性强：同一套Harness可横跨训练算法、系统优化、科学发现、创意生成等十余个场景。
- 评估器可进化：双层循环有效解决了开放任务中评估标准缺失或易被破解的问题。
- 真实场景验证：在腾讯产品系统、真实AI研发流水线及工业场景中不断学习与进化。
- 开源透明：所有实验产物与结果均对外开放，便于复现与学术合作。
Hyra的项目地址
Hyra的同类竞品对比
| 对比维度 | Hyra | AlphaEvolve (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（解决方案与评估器共进化） | 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，评估器随解决方案同步升级 | 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olaparib | 4×4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个问题中刷新了29项历史最佳记录。
- 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极佳。
- 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%的双比特门开销，有效降低噪声累积。