Hyra：一个简单但有效的通用科研框架
来自 Tencent Hunyuan Research · 期号 2026-07-21
摘要
腾讯混元团队提出 Hyra，一个轻量但通用的自动化科研框架。 核心设计是异步的生产者-消费者流水线：一个 Context Agent 维护经验库、生成多样化的“灵感”上下文，多个 Proposal Agent 并行消费这些灵感、产出解决方案并提交沙箱评测。对于没有现成评估器的任务，Hyra 升级为双层循环——内层优化方案，外层优化评估器本身，防止 reward hacking。 在三个 AI 研究基准上，Hyra-1.0 全面超越 Recursive 此前报告的成绩：NanoChat 验证 BPB 降至 0.9015，NanoGPT 加速至 76.4 秒，SOL-ExecBench 平均 SOL 达 0.771。在 55 个公开数学难题上，Hyra 改写了其中 29 个的最佳已知结果。它还设计出仅 15 个可训练参数就能做 10 位数加法的 Transformer（比此前纪录少 58.3%），在 IBM Q20 上比经典 SABRE 方法减少 65.2% 的双量子比特门，并生成了结合亲和力与类药性均优于已上市 PARP 抑制剂奥拉帕利的候选分子。
深读
导读 腾讯混元团队提出 Hyra，一个设计极简但通用的自动化科研框架。它通过异步的生产者-消费者流水线，让多个 agent 并行探索解决方案，并能在没有现成评估器的任务中自动改进评估标准本身。读完可以了解当前自动化科研框架的典型架构、在 AI 研究、科学发现和创意设计三个方向上的实测表现，以及 reward hacking 等关键挑战。 关键信息 - Hyra 采用异步生产者-消费者流水线：一个 Context Agent 维护经验库并生成多样化的“灵感”上下文，多个 Proposal Agent 并行消费这些灵感、产出解决方案并提交沙箱评测。 - 对于没有现成评估器的任务，Hyra 升级为双层循环，内层优化方案，外层优化评估器本身，防止 reward hacking。 - 在三个 AI 研究基准上，Hyra-1.0 全面超越 Recursive 此前报告的成绩：NanoChat 验证 BPB 降至 0.9015，NanoGPT 加速至 76.4 秒，SOL-ExecBench 平均 SOL 达 0.771。 - 在 55 个公开数学难题上，Hyra 改写了其中 29 个的最佳已知结果。 - Hyra 设计出仅 15 个可训练参数就能做 10 位数加法的 Transformer，比此前公开纪录的 36 个参数减少 58.3%。 - 在 IBM Q20 量子芯片上，Hyra 设计的量子比特路由算法比经典 SABRE 方法效率提升 44.4%（同一 24-CX 路由窗口内，SABRE 插入 15 个 SWAP 门，Hyra 为零）。 逐节讲解 自动化科研框架的设计原则 Hyra 的设计遵循 Rich Sutton 的“苦涩教训”：保持框架轻量简单，同时给 agent 广阔的行动空间。给定任务描述后，系统持续循环，利用过往经验（执行日志、评估反馈、源代码等）探索更优方案，直到 agent 主动停止或预算耗尽。 核心架构是异步的生产者-消费者流水线。Context Agent 维护经验库，从库中综合生成“灵感”上下文（包含代码、文件、日志等），放入任务队列。多个 Proposal Agent 各自从队列取一个灵感，反思后写出新方案（以 solution/ 目录和 solve.sh 入口点组织），在沙箱中运行并获得评分。信号量控制沙箱、模型推理和任务队列的资源安全利用。 双层循环：当任务没有现成评估器时 对于没有现成评估器的任务，Hyra 将单层循环升级为双层循环。首先根据任务描述创建初始评估器。内层循环反复改进方案。内层结束后，利用经验库中的积累来改进评估器，例如让评估代码更高效、降低 reward hacking 风险、增加更细粒度的反馈。然后以升级后的评估器开始下一轮循环。文章以“设计世界冠军级国际象棋 AI”为例：初始评估器可能用随机对手的 Elo 评分，随着…