腾讯发布了 Hyra，这是一套通用型自主研究系统，旨在将计算智能转化为高要求领域中的可衡量成果。该平台基于连续反馈循环运行，AI 智能体会利用累积经验生成、执行并迭代优化解决方案，应用范围涵盖人工智能研究、科学发现和创意内容生成。Hyra 所处的领域中，已有多个实验室——包括推出 AI Scientist 的 Sakana AI 以及多个学术团队——在探索能够以最少人工监督执行研究任务的自主智能体，但腾讯对双层评估器演化机制的强调，以及其展示领域的广度，使该系统的范围具有差异化。

架构与核心设计

Hyra 的架构围绕一个轻量级、异步的运行框架构建，旨在保持框架简洁的同时赋予智能体较高自主性。中央 Context Agent 维护一个 Experience Bank——这是一个存储执行日志、评估器反馈、源代码以及此前解决方案尝试所产生工件的存储库。该智能体从这个存储库中综合提炼“灵感”，并将其路由到任务队列中。

随后，多个 Proposal Agents 会消费这些上下文输入，每个智能体都会生成一个带有标准化 solve.sh 入口点的新解决方案。解决方案会在隔离沙盒中执行、获得评分，其产生的工件随后返回 Experience Bank 以供后续参考。信号量负责管理沙盒、模型推理和任务队列之间的资源分配，使输出质量能够随可用算力高效扩展。

对于缺少预定义评估器的任务，Hyra 采用双层优化循环。内层循环针对当前评估器优化解决方案，外层循环则基于累积经验演化评估器本身。这种双层方法旨在降低奖励黑客风险——这是强化学习中一种已知的失效模式，即智能体利用评估器缺陷，而不是解决底层问题——并为实质性进展创造空间。

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

基准测试表现

腾讯使用 Recursive 自动化 AI 研究系统的三项基准测试评估了 Hyra：NanoChat Autoresearch、NanoGPT Speedrun 和 SOL-ExecBench，分别覆盖模型训练、训练加速和 GPU 内核优化。NanoGPT 是一种开源的极简 GPT 实现，在 AI 研究社区中被广泛用作训练速度基准；NanoChat 则代表紧凑规模任务，在这类任务中，迭代优化可以带来可衡量的提升。在采用相同任务定义和评估协议的情况下，Hyra-1.0 在全部三项任务上超过了 Recursive 报告的结果。它将 NanoChat 的验证 bits-per-byte（BPB）降至 0.9015，将 NanoGPT 达到目标损失值的时间缩短至 76.4 秒，并在 SOL-ExecBench 上取得 0.771 的平均得分。

腾讯观察到，更强的搜索能力也暴露了评估器漏洞，例如解决方案利用双向注意力泄漏或空内核缓存，这凸显出评估机制需要与解决方案搜索同步演化的重要性。

科学与创意成果

除 AI 基础设施之外，Hyra 还展示了跨科学和创意领域的能力：

• 数学：该系统在 55 个开放数学问题中的 29 个上刷新了已知最佳结果，并设计出一个用于 10 位数加法的 15 参数 Transformer，与此前纪录相比参数数量减少了 58.3%。
• 天文学：Hyra 发现了一种用于太阳黑子预测的递推关系，在近一个世纪的历史数据上显示出较强的样本外准确性。
• 量子计算：该系统生成了一种量子比特路由算法，在 IBM Q20 上的效率较成熟的 SABRE 方法提升 44.4%。SABRE 是一种在 2019 年提出并被广泛引用的路由算法，长期作为量子电路编译中的标准基线。
• 药物设计：Hyra 生成了一种 PARP1 抑制剂候选物，在综合结合能力和成药性指标上优于已获批准的药物 olaparib。olaparib 由 AstraZeneca 和 Merck 以 Lynparza 品牌销售，用于治疗某些乳腺癌、卵巢癌和胰腺癌。腾讯强调，这一结果来自早期模拟，仍需进一步验证。
• 游戏 AI：一个 Othello 机器人在 Botzone 的 730 个参赛项目中获得第三名，它通过自我对弈从 minimax 搜索演化为混合 AlphaZero 风格方法，呼应了 DeepMind 的 AlphaZero 所开创的自我对弈方法。
• 3D 建模：该系统根据 2D 参考图像生成 3D 模型，并使用视觉语言模型评分标准进行评估。
• 音乐：多乐器音乐编配通过七轮基于和声、节奏和审美标准的评估器演化得到优化。

未来展望

腾讯将 Hyra 描述为更广泛演化循环的基础：改进后的脚手架产生更高质量的数据和经验，从而带来更强的模型，而这些模型又进一步增强未来的脚手架。该公司表示，其 Hunyuan 模型家族的后续世代——即腾讯自研的大语言模型和多模态模型——将与 Hyra 框架共同演化，并邀请研究人员通过开放表单就学术合作、实习和反馈进行协作。