Tencentは、計算知能を要求の厳しい領域における測定可能な成果に変換するために設計された汎用自律研究システム「Hyra」を発表しました。同プラットフォームは、AIエージェントが蓄積された経験を活用してソリューションを生成、実行、反復的に洗練させる継続的フィードバックループ上で動作し、人工知能研究、科学的発見、クリエイティブコンテンツ生成に応用されます。Hyraは、Sakana AIのAI Scientistや様々な学術グループなど複数の研究所が最小限の人間の監視で研究タスクを実行できる自律エージェントを探索している分野に参入しますが、Tencentのバイレベル評価器進化メカニズムへの注力と実証された領域の幅広さが、このシステムの範囲を際立たせています。

アーキテクチャとコア設計

Hyraのアーキテクチャは、フレームワークを最小限に保ちながらエージェントに大幅な自律性を付与するよう設計された、軽量で非同期的なハーネスを中心に構築されています。中央のContext AgentはExperience Bankを管理します。これは実行ログ、評価器フィードバック、ソースコード、および過去のソリューション試行から得られるアーティファクトを格納するリポジトリです。このエージェントはバンクから「インスピレーション」を合成し、タスクキューにルーティングします。

複数のProposal Agentがこれらのコンテキスト入力を消費し、それぞれが標準化されたsolve.shエントリポイントを備えた新しいソリューションを生成します。ソリューションは隔離されたサンドボックス内で実行され、スコアリングされ、その結果のアーティファクトは将来の参照用にExperience Bankに戻されます。セマフォはサンドボックス、モデル推論、タスクキュー全体のリソース割り当てを管理し、利用可能な計算リソースに応じて出力品質が効率的にスケールできるようにします。

事前定義された評価器が存在しないタスクについては、Hyraはバイレベル最適化ループを採用しています。内側のサイクルは現在の評価器に対してソリューションを洗練させ、外側のサイクルは蓄積された経験に基づいて評価器自体を進化させます。この二重層のアプローチは、エージェントが根底の問題を解決するのではなく評価器の欠陥を悪用する強化学習における既知の失敗モードである報酬ハッキングのリスクを低減し、実質的な進歩のための余地を生み出すよう設計されています。

Introducing Hyra-1.0, the first version of Hunyuan Research Agent. Built to recursively improve solutions for performance-driven research and engineering tasks. Explore our demos in AI4AI, AI4Science, and AI4Fun: pic.twitter.com/DgKkba1EEY — Tencent Hy (@TencentHunyuan) July 21, 2026

ベンチマークパフォーマンス

Tencentは、Recursiveの自動化AI研究システムの3つのベンチマーク、すなわちモデルトレーニング、トレーニング加速、GPUカーネル最適化をそれぞれカバーするNanoChat Autoresearch、NanoGPT Speedrun、SOL-ExecBenchに対してHyraを評価しました。AI研究コミュニティでトレーニング速度ベンチマークとして広く使用されているオープンソースの最小限のGPT実装であるNanoGPTと、NanoChatは、反復最適化によって測定可能な改善をもたらすことができるコンパクト規模のタスクを代表します。同一のタスク定義と評価プロトコルを使用し、Hyra-1.0は3つのタスクすべてにおいてRecursiveの報告結果を上回りました。NanoChatの検証BPB（bits-per-byte）を0.9015に削減し、NanoGPTのtime-to-target-lossを76.4秒に短縮し、SOL-ExecBenchで平均スコア0.771を達成しました。

Tencentは、強化された検索能力が評価器の脆弱性—双方向アテンションの漏洩や空のカーネルキャッシングの悪用など—も浮き彫りにしたと観察し、ソリューション検索と並行して評価メカニズムを進化させることの重要性を強調しました。

科学およびクリエイティブ分野での成果

AIインフラに加えて、Hyraは科学およびクリエイティブな領域で以下の能力を示しました：

• 数学：システムは55の未解決数学問題のうち29件で新たな最良既知結果を樹立し、10桁の足し算のための15パラメータTransformerを設計し、従来の記録と比較してパラメータ数を58.3%削減しました。
• 天文学：Hyraは太陽黒点予測のための漸化関係を発見し、約1世紀にわたる履歴データ全体で強いサンプル外精度を示しました。
• 量子コンピューティング：システムは、確立されたSABREメソッド—2019年に導入され量子回路コンパイルにおける標準ベースラインとして機能している広く引用されるルーティングアルゴリズム—を上回り、IBM Q20で44.4%の効率向上をもたらす量子ビットルーティングアルゴリズムを生成しました。
• 創薬：HyraはPARP1阻害剤候補を生成し、結合力と薬剤らしさの複合指標において承認薬であるolaparib—AstraZenecaとMerckがLynparzaとして販売し、特定の乳がん、卵巣がん、膵がんの治療に使用される薬剤—を上回りました。Tencentはこの結果が初期段階のシミュレーションによるものであり、さらなる検証が必要であることを強調しました。
• ゲームAI：オセロボットがBotzoneの730エントリー中第3位を獲得し、ミニマックス探索からハイブリッドAlphaZeroスタイルのアプローチへの自己対局を通じて進化し、DeepMindのAlphaZeroが開拓した自己対局手法を踏襲しました。
• 3Dモデリング：システムは2D参照画像から3Dモデルを生成し、ビジョン言語モデルのルーブリックを使用して評価しました。
• 音楽：複数楽器の音楽アレンジが、和声、リズム、美学の基準に基づく7ラウンドの評価器進化を通じて洗練されました。

今後の展望

TencentはHyraを、改善されたスキャフォールドがより高品質のデータと経験を生み出し、それがより強力なモデルにつながり、さらなる将来のスキャフォールドを強化するという、より広範な進化ループの基盤として位置づけました。同社は、Tencent独自の大規模言語モデルおよびマルチモーダルモデルであるHunyuanモデルファミリーの今後の世代がHyraフレームワークと共に進化していくと述べ、学術パートナーシップ、インターンシップ、フィードバックのためのオープンフォームを通じた研究者の協力を呼びかけました。