騰訊推出了 Hyra，一個通用型自主研究系統，旨在將計算智慧轉化為跨高要求領域的可衡量成果。該平台透過持續反饋迴圈運作，AI 代理在其中生成、執行並反覆改進解決方案，同時借助累積的經驗，應用範圍涵蓋人工智慧研究、科學發現與創意內容生成。Hyra 進入的這一領域中，已有包括 Sakana AI 的 AI Scientist 以及多個學術團隊在內的數個實驗室，正在探索能夠在最少人工監督下執行研究任務的自主代理，但騰訊對雙層評估器演化機制的強調及其展示領域的廣度，使該系統的範疇獨樹一格。

架構與核心設計

Hyra 的架構建立在一個輕量級、非同步的框架之上，旨在保持框架精簡的同時，賦予代理充分的自主性。一個核心的上下文代理維護著一個經驗庫——這是一個儲存執行日誌、評估器反饋、原始碼以及先前解決方案嘗試所產生之成品的知識庫。該代理從經驗庫中合成「靈感」，並將其路由至任務佇列。

多個提案代理隨後消耗這些上下文輸入，每個代理生成一個配備標準化 solve.sh 入口點的新解決方案。解決方案在隔離的沙盒中執行、評分，其產生的成品則被回傳至經驗庫以供未來參考。信號量管理著沙盒、模型推理和任務佇列之間的資源分配，使輸出品質能夠隨可用算力高效擴展。

對於缺乏預定義評估器的任務，Hyra 採用雙層最佳化迴圈。內層迴圈根據當前評估器改進解決方案，外層迴圈則根據累積經驗演化評估器本身。此雙層方法旨在降低獎勵欺騙風險——這是強化學習中已知的失敗模式，即代理利用評估器缺陷而非解決底層問題——並為實質性進展創造空間。

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

基準測試表現

騰訊將 Hyra 與 Recursive 自動化 AI 研究系統的三項基準測試進行了評估比較：NanoChat Autoresearch、NanoGPT Speedrun 和 SOL-ExecBench，分別涵蓋模型訓練、訓練加速和 GPU 核心最佳化。NanoGPT 是 AI 研究社群中廣泛使用的開源精簡版 GPT 實作，常作為訓練速度基準測試，而 NanoChat 則代表了可以透過反覆最佳化獲得可衡量進展的精簡規模任務。在相同的任務定義和評估協議下，Hyra-1.0 在三項任務上均超越了 Recursive 報告的結果。它將 NanoChat 的驗證 bits-per-byte（BPB）降至 0.9015，將 NanoGPT 的達到目標損失時間縮短至 76.4 秒，並在 SOL-ExecBench 上達到 0.771 的平均分數。

騰訊觀察到，增強的搜尋能力也暴露了評估器的漏洞——例如解決方案利用雙向注意力洩漏或空核心快取——凸顯了將評估機制與解決方案搜尋同步演化的必要性。

科學與創意成就

在 AI 基礎設施之外，Hyra 在科學與創意領域展示了多項能力：

• 數學：系統在 55 個開放數學問題中的 29 個上創下新的最佳已知結果，並設計了一個用於 10 位數加法的 15 參數 Transformer，較先前紀錄減少了 58.3% 的參數量。
• 天文學：Hyra 發現了一個用於太陽黑子預測的遞迴關係式，在近一個世紀的歷史資料中展現了強勁的樣本外準確度。
• 量子計算：系統產生了一個量子位元路由演算法，在 IBM Q20 上較既有的 SABRE 方法提升了 44.4% 的效率。SABRE 是 2019 年提出的廣泛引用的路由演算法，一直作為量子電路編譯中的標準基準。
• 藥物設計：Hyra 生成的 PARP1 抑制劑候選藥物，在結合親和力與類藥性的綜合指標上超越了已獲批的藥物 olaparib——由 AstraZeneca 和 Merck 以 Lynparza 為商品名銷售，用於治療某些乳癌、卵巢癌和胰臟癌。騰訊強調，此結果來自早期模擬，尚需進一步驗證。
• 遊戲 AI：一個黑白棋機器人在 Botzone 上的 730 個參賽作品中獲得第三名，透過自我博弈從極小極大搜尋演化為混合 AlphaZero 風格的方法，呼應了 DeepMind 的 AlphaZero 所開創的自我博弈方法論。
• 3D 建模：系統從 2D 參考圖像生成 3D 模型，使用視覺語言模型評量標準進行評估。
• 音樂：多樂器音樂編曲透過七輪評估器演化進行精煉，依據和聲、節奏和美學標準進行評判。

未來展望

騰訊將 Hyra 描述為更廣泛演化迴圈的基礎，在該迴圈中，改進的框架產生更高品質的資料和經驗，進而培育出更強大的模型，這些模型反過來又增強未來的框架。該公司表示，即將到來的混元模型系列——騰訊專有的大型語言和多模態模型——將與 Hyra 框架共同演化，並邀請研究人員透過開放表單參與學術合作、實習計畫和意見反饋。