Réponse courte
Hyra, pour Hunyuan Research Agent, propose des solutions, les exécute dans des sandboxes isolées, note les résultats et conserve code, journaux, artefacts et retours d'évaluation dans une Experience Bank. Plusieurs agents explorent en parallèle et une boucle externe peut aussi améliorer l'évaluateur.
Points clés
Boucle centrale : proposer, exécuter dans une sandbox neuve, évaluer puis réinjecter le résultat complet dans la recherche.
Mémoire partagée : l'Experience Bank conserve code source, artefacts, journaux, scores et retours de l'évaluateur.
Évolution de l'évaluation : Hyra peut améliorer la solution et le système de notation pour limiter les angles morts et le reward hacking.
Preuves publiques : le dépôt officiel publie sous Apache 2.0 des artefacts et scripts reproductibles en AI4AI, AI4Science et AI4Fun.
La boucle de recherche Hyra
| Sujet | Entrée | Travail central | Sortie |
|---|---|---|---|
| 01 · Contexte | Définition de tâche et Experience Bank accumulée. | Composer des contextes divers à partir du code, des artefacts, journaux, scores et retours. | Une file de directions de recherche distinctes. |
| 02 · Proposition | Un contexte d'inspiration de la file. | Réfléchir aux essais passés et écrire une nouvelle solution exécutable via solve.sh. | Un candidat complet prêt pour l'exécution isolée. |
| 03 · Évaluation | Le candidat et l'évaluateur propre à la tâche. | Exécuter, vérifier, mesurer et capturer journaux et artefacts dans une sandbox neuve. | Un essai noté renvoyé à l'Experience Bank. |
| 04 · Évolution | Meilleures solutions et faiblesses observées de l'évaluation. | Renforcer vitesse, granularité, robustesse et résistance aux métriques détournées. | Un meilleur environnement de recherche pour le cycle suivant. |
Ce qu'est Hyra
Hyra-1.0 est le Hunyuan Research Agent de Tencent, conçu pour les tâches scientifiques et d'ingénierie guidées par la performance. Il transforme une demande en recherche continue : écrire, exécuter, mesurer, comparer et améliorer.
Le même harness s'applique à l'entraînement de modèles, l'optimisation système, les mathématiques, l'analyse scientifique, la conception moléculaire, les jeux, la musique et la création 3D procédurale.
Comment l'Experience Bank alimente l'amélioration récursive
Un Context Agent assemble des contextes variés à partir du code, des fichiers, journaux, artefacts, scores et retours précédents. Le système conserve donc des preuves exécutables, pas seulement un résumé textuel.
Plusieurs Proposal Agents consomment ces contextes en parallèle et écrivent de nouvelles solutions avec solve.sh comme point d'entrée. Chaque candidat s'exécute dans une sandbox propre, reçoit un score et retourne dans l'Experience Bank.
Pourquoi Hyra améliore aussi l'évaluateur
Une recherche puissante trouve vite les failles d'une métrique. L'article officiel décrit des solutions qui fuyaient les futurs tokens pour réduire artificiellement la loss, ou mettaient en cache des résultats de kernel avant le chronométrage.
Quand l'évaluation est insuffisante, une boucle interne optimise les solutions et une boucle externe améliore vitesse, précision, résistance au reward hacking et marge de progression de l'évaluateur.
Résultats en ingénierie IA et découverte scientifique
Dans les premiers résultats, Hyra atteint 0,9015 de validation BPB sur NanoChat, 3,28 de validation loss en 76,4 secondes sur NanoGPT et 0,771 de Mean SOL sur SOL-ExecBench.
Le dépôt couvre aussi optimisation mathématique, packing, routage quantique, prévision symbolique, docking moléculaire et réseaux compacts, dont un Transformer de 15 paramètres capable d'additionner des nombres à 10 chiffres.
Quatre nouvelles avancées mathématiques publiées en août
La mise à jour du 19 août porte la borne de Blaschke–Lebesgue 3D de 0,380799w³ à plus de 0,411040w³, abaisse le coefficient de Beurling–Ahlfors de 1,575 à 1,523958, fait passer l'exposant connu des matrices de Hadamard partielles de 3 à 2 et améliore les commutateurs de O(log⁴(1/ε)) à O(log³(1/ε)).
Le dépôt fournit des manuscrits et, pour trois nouveaux résultats, des formalisations Lean 4 de leurs noyaux finis ou numériques.
Ce que montrent les expériences 3D de Hyra
Hyra reçoit une référence 2D, écrit du Python Blender, rend le résultat et utilise un juge vision-langage fondé sur des rubriques pour noter silhouette, proportions, structure, matériaux et similarité.
Les artefacts ouverts incluent un pingouin QQ procédural et un orbe logo Hunyuan. Il s'agit de modélisation Blender pilotée par le code, illustrant comment un agent transforme le retour visuel en améliorations 3D mesurables.
Questions fréquentes
Hyra signifie Hunyuan Research Agent. Hyra-1.0 est le framework de recherche autonome de Tencent pour les tâches scientifiques et d'ingénierie guidées par la performance.
Hyra est un framework d'agents qui coordonne sélection du contexte, propositions parallèles, sandboxes, évaluateurs et Experience Bank.
Chaque exécution renvoie code, artefacts, journaux, scores et retours à l'Experience Bank. Les agents suivants exploitent cet historique et la boucle externe peut aussi repenser l'évaluateur.
Hyra-results est public sous Apache 2.0 avec des artefacts et scripts reproductibles. Au 25 août 2026, c'est un d épôt de résultats, pas une version complète du harness exécutable en une commande.
Oui. Les démos montrent Hyra écrivant et affinant du Python Blender à partir d'une référence 2D. C'est une boucle de code et d'évaluation visuelle, pas un modèle image-to-mesh standard.
Les artefacts couvrent entraînement, vitesse, kernels GPU, mathématiques, packing, réseaux compacts, docking, routage quantique, prévision, jeux, musique et 3D procédurale.
Transformez une image en point de départ 3D
Générez dans le navigateur un personnage, objet, produit ou élément de scène texturé.
Essayer Image to 3D