短い結論
Hyra は Hunyuan Research Agent の略です。解法を提案し、独立したサンドボックスで実行・採点し、コード、ログ、成果物、評価フィードバックを Experience Bank に保存します。複数エージェントが並列探索し、外側のループは評価器そのものも改善できます。
要点
基本ループ：提案を新しいサンドボックスで実行・評価し、完全な結果を次の探索へ戻します。
共有メモリ：Experience Bank はソースコード、成果物、ログ、スコア、評価フィードバックを保持します。
評価器の進化：解法だけでなく採点系も改善し、盲点や reward hacking を減らします。
公開証拠：公式リポジトリは AI4AI、AI4Science、AI4Fun の成果物と再現スクリプトを Apache 2.0 で公開しています。
Hyra 研究ループの概要
| 項目 | 入力 | 主要処理 | 出力 |
|---|---|---|---|
| 01 · Context | 課題定義と蓄積された Experience Bank。 | コード、成果物、ログ、スコア、フィードバックから多様なコンテキストを作成。 | 並列探索する複数の研究方向キュー。 |
| 02 · Propose | キュー内の1つの発想コンテキスト。 | 過去の試行を振り返り、solve.sh で実行できる新解法を作成。 | 隔離実行できる完全な候補解法。 |
| 03 · Evaluate | 候補解法と課題専用の評価器。 | 新しいサンドボックスで実行、検証、測定し、ログと成果物を保存。 | 採点され Experience Bank に戻る試行。 |
| 04 · Evolve | 最良解法と評価器の弱点を示す証拠。 | 評価速度、粒度、堅牢性、指標悪用への耐性を向上。 | 次の研究サイクル向けの強い探索環境。 |
Hyra とは
Hyra-1.0 は、性能指標を持つ研究・工学課題向けの Tencent Hunyuan Research Agent です。一度回答するのではなく、解法の作成、実行、測定、比較、改善を継続します。
同じ Harness をモデル学習、システム最適化、数学、科学データ解析、分子設計、ゲーム、音楽、プロシージャル 3D 制作に適用できます。
Experience Bank が再帰的改善を支える仕組 み
Context Agent は過去のコード、ファイル、ログ、成果物、スコア、評価コメントから多様な発想コンテキストを作ります。短い要約ではなく、実行可能な証拠が残ります。
複数の Proposal Agent が異なるコンテキストを並列処理し、solve.sh を入口とする新しい解法を書きます。候補はクリーンなサンドボックスで実行・採点され、Experience Bank に戻ります。
Hyra が評価器も改善する理由
強い探索は指標の穴をすぐ見つけます。公式記事では、未来 token の漏洩で loss を不正に下げた例や、正当性検査時に結果をキャッシュし計測時には何もしない GPU kernel の例が示されています。
評価が弱い課題では、内側ループが解法を改善し、外側ループが評価速度、精度、reward hacking 耐性、改善余地を高めます。
AI エンジニアリングと科学的発見の成果
初期成果では、NanoChat で validation BPB 0.9015、NanoGPT で validation loss 3.28 まで 76.4 秒、SOL-ExecBench で Mean SOL 0.771 を達成しました。
公式リポジトリには数学最適化、packing、量子 routing、記号予測、分子 docking、小型ネットワークもあり、15 パラメータで 10 桁加算を行う Transformer も含まれます。
8月に公開された4つの数学的前進
8月19日の更新では、3D Blaschke–Lebesgue 下界が 0.380799w³ から 0.411040w³ 超へ、Beurling–Ahlfors 係数が 1.575 から 1.523958 へ、部分 Hadamard 行列の既知指数が 3 から 2 へ、交換子構成が O(log⁴(1/ε)) から O(log³(1/ε)) へ改善しました。
リポジトリには原稿と、3つの新成果について有限・数値コアの Lean 4 形式化が含まれます。
Hyra の 3D 実験が示すもの
Hyra は単一の 2D 参照を受け取り、Blender Python を書いてレンダリング し、rubric ベースの視覚言語モデルで輪郭、比率、構造、材質、類似度を採点します。
公開成果物にはプロシージャル QQ ペンギンと Hunyuan ロゴ球体があります。コード駆動の Blender モデリングで、視覚フィードバックを測定可能な 3D 改善へ変換する例です。
よくある質問
Hyra は Hunyuan Research Agent の略です。Hyra-1.0 は性能重視の科学・工学課題向け自律研究フレームワークです。
エージェントフレームワークです。コンテキスト選択、並列提案、サンドボックス、評価器、Experience Bank を協調させます。
各実行のコード、成果物、ログ、スコア、フィードバックを Experience Bank に戻します。次のエージェントが履歴を利用し、外側ループは評価器も再設計できます。
Hyra-results は Apache 2.0 で公開され、成果物と再現スクリプトを含みます。2026年8月25日時点では結果リポジトリであり、完全な Hyra Harness のワンコマンド配布ではありません。
はい。公式デモでは 2D 参照から Blender Python を生成・改善します。一般的な image-to-mesh ではなく、コード生成と視覚評価のループです。
学習、速度、GPU kernel、数学、packing、小型ネットワーク、docking、量子 routing、予測、ゲーム、音楽、プロシージャル 3D の成果物があります。