半泽直树

腾讯混元发布首个AI科学家Hyra！简单有效，能递归自我改进_我的网站

请回答1988

一 | Sophie 编译夏季开始了，一股即将到来的亚热带气团将给北岛带来一个闷热的开端，可能会有大雨。塔斯曼海上空形成的低压系统将把亚热带的湿气带过来，预计下周北岛上部将有几波潮湿空气通过。专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！递归自我改进与自动化研究正成为 AI 领域最活跃的前沿问题。 Advertise with us “周日和下周，湿度水平有时可能达到夏季标准。”Niwa气象学家Ben Noll说。Agent 们正在开放式科学发现里超过人类。 Google DeepMind 的 AlphaEvolve 把 4×4 复数矩阵乘法压到 48 次标量乘法，Together AI 用一群 Agent 把 11 维 kissing number 下界从 593 推到 604，Karpathy 的 autoresearch 给了极简自动训练研究框架。 “如果你走到户外，你会注意到这一点。腾讯混元刚刚发布了首个 AI 科学家 Hyra（Hunyuan Research Agent，混元研究 Agent），定位是能递归自我改进的研究型 Agent。” 当气温高到让我们出汗，而空气中又有足够的水蒸气时，我们就会真正开始感到黏糊糊的。

二 | Noll提到了下周一些预测的露点值——露点是指在特定温度下，空气中的水蒸气开始凝结成液态水，比如草上面会有凝结的水。它用一套极简脚手架，跑通了十多个自我改进和自动化研究场景里的真实任务。 Hyra 把智能和算力换成可验证的成果，AI for AI、AI for Science、AI for Fun 三条线都有具体产出，部分数学题和 GPU 内核优化还刷新了业内已知最好成绩。这也为我们将感受到的闷热提供了一个更好的指标，而不是天气预报中通常使用的“相对湿度”。 “下周，在奥克兰这样的地方，露点将在15摄氏度以上，有时甚至高达18摄氏度或19摄氏度。

三 | Hyra 长什么样 Hyra 的设计哲学来自 Rich Sutton 那篇经典的 The Bitter Lesson（苦涩的教训），框架尽量轻，给 Agent 留足动作空间。” “这取决于个人的情况，但一旦露点达到16摄氏度或17摄氏度左右，情况就会变得有点不舒服。” “我们预计会有三到五天的时间，在这段时间里，会感觉天气有点湿热。拿到一个任务描述，Hyra 会跑一个持续循环，从过往经验里找灵感，迭代出更好的方案。经验包括执行日志、评估器反馈、源代码、之前方案留下的工件。” 据MetService报道，随着闷热天气的到来，也可能会出现暴雨，特别是从周六下午到周日的Westland地区。

四 | 循环一直跑，直到 Agent 自己决定停下或者算力预算耗尽，最后交回最优解。上图是 Hyra Harness 的核心循环。Context Agent 维护经验库，不断往任务队列里加新的灵感上下文。多个 Proposal Agent 从队列取灵感，写出更好的方案。每个方案以 solve.sh 为入口，在隔离沙箱里跑一遍拿到分数，再把工件交回经验库。

五 | 具体看，Context Agent（上下文 Agent）维护一个 Experience Bank（经验库，简称 EB），记录所有方案和评估结果，再把 EB 里的素材合成为 Inspiration（灵感）丢进任务队列。

六 | 每个灵感是一坨上下文，可能含代码、文件、工件、日志，把探索过程里学到的东西打包传递下去。一股雨带横贯了北岛，正带来大量的雨水和逐渐增强的西北风，尤其是在北岛南端附近。多个 Proposal Agent（提案 Agent）从任务队列拿灵感，反思后写出一个新方案，落到 solution/ 目录里，入口是 solve.sh。同时，南岛南部的天气预计将较为干燥，而来自南部的气流可能会给Marlborough Sounds以南的东部地区在下周初带来凉爽的天气。 Noll说，在未来几周，北方可能会有更多闷热的天气。方案在隔离沙箱里跑一遍，拿到分数，再把结果送回 EB。

七 | 整个系统是异步的生产者-消费者管线。 “随着下月的到来，我们似乎会有更多的机会迎来这种潮湿的天气——尽管真正出现类似的热带气候的时间是12月初。Context Agent 持续填灵感，提案 Agent 消费队列，方案在沙箱跑评估后回传 EB。信号量控制并发，让方案质量随时间稳定提升。任务连评估器都没有时，Hyra 会升级成双层循环。先从任务描述生成一个初始评估器，内层循环拿它反复改进方案。内层结束后，Hyra 用 EB 里攒下的经验去改评估器，让评估代码更高效，降低 reward hacking（奖励作弊）风险，加上更细颗粒度的反馈。

八 | 下一轮用升级后的评估器重开。” Noll表示，虽然这些亚热带气候模式更像是拉尼娜气候周期，但它强调了一个事实，即使在厄尔尼诺气象系统下，新西兰上方的西太平洋仍在保持温暖。举个具体例子。 “在夏季，我们会不时地受到来自北方的气流的影响——可能相对较少——然后其他时候，我们将会受到来自澳大利亚的更干燥、湿度较小的气团的影响。任务是设计一个世界冠军级别的国际象棋 AI，初始评估器可能用随机生成的对手群搞 Elo 评级。循环跑下去，那些随机对手会被 EB 里记录的更强 AI 替掉，评估器和方案一起往上进化。 AI 训 AI，跑赢同行基础模型研发本身有大量可执行、可评估、可迭代的研究环，是 Research Agent 最天然的应用场景。训练配方、数据策略、训练和推理系统、底层 kernel、评估框架，都需要研究员提假设、写代码、跑实验、看反馈再改。Research Agent 能把每次成功和失败都变成可复用经验，迭代速度远超人工。 Hyra 在 Recursive 公开的三个任务上做了对比测试，NanoChat Autoresearch、NanoGPT Speedrun、SOL-ExecBench，分别对应固定预算训练、训练加速、GPU kernel 优化。

九 | 沿用 Recursive 的任务定义、评估协议和初始方案，公平较量。三个任务都跑赢 Recursive。

十 | 注意几个任务已经被研究社区反复打磨过，基线本身已经很强。 NanoChat 上，Hyra 要在固定预算里平衡模型架构、优化器设计、学习率策略、数据流和执行效率，最后把 Validation BPB 压到 0.9015。” “我预计我们不会像去年夏天那样经历那么多潮湿的亚热带天气——但在某种程度上，我们下周看到的情况将在整个夏季重复出现。” Niwa将于明天发布12月至2月期间的气候展望。 NanoGPT Speedrun 是社区精修过的加速榜，提升空间很小，Hyra 把达到 3.28 验证损失的时间从 77.5 秒压到 76.4 秒。相关阅读：暂时温暖别大意，寒冷天气蓄势待发！24小时内气温或骤降10度奥克兰发布强雷暴监测！下午和晚上北岛或遭遇暴雨和冰雹恶劣天气又要来了！新西兰多地发布暴雨和强风预警本周奥克兰等地将有零星阵雨或大雨，周末天气会很好本周又是天气不稳定的一周气象部门已发布橙色暴雨警告全国各地气温骤降，南岛大范围降雪，周末奥克兰多云多雨假期结束，风雨来袭！奥克兰的雨下午就到！天气异常变化：本周五，新西兰这里将下雪厄尔尼诺来袭新西兰今夏出现热带气旋的风险有多大？炎热干燥！今年夏天新西兰的气温或将飙升至39度厄尔尼诺现象来了！几周之内，新西兰气候会发生怎样的巨大变化？厄尔尼诺来袭 2024或成史上最热一年 “厄尔尼诺”在路上，全球天气会受何影响？科学解释：今年雨水为什么格外泛滥？何时到头？注：本文为编译/原创，欢迎转发分享；但严禁复制等未经授权的非法使用。违反上述声明者，本网将追究其相关法律责任。 SOL-ExecBench 上，Hyra 联合优化 235 个 GPU kernel 的真实负载，Mean SOL 做到 0.771。

十一 | 使用授权请联系[email protected]。

十二 | chineseherald.co.nz All Rights Reserved 版权所有 (责编：Sophie) 相关内容夏季严打：奥克兰警方上周末抓到19人酒驾，37名司机被开罚单工党官宣第54届国会团队阵容部分资深议员排名大跌奥克兰市长公布交通新计划：乘坐公共交通每周封顶50纽币奥克兰北岸华人被袭案：嫌犯因精神错乱被判无罪夜间奥克兰北岸和南区发生两起大火，居民被疏散，一学校今晨关闭奥克兰北岸路上有一名男子死亡！死因不明，警方正在调查【先驱自媒】新西兰总理改中文名了！办公室曝光，长这样…… 【先驱自媒】奥克兰市长一年出访4次上任一年自评为“7分”。三个任务覆盖训练算法、训练系统、底层 kernel，同一套研究环能跨不同反馈环境继续产出可执行、可验证的改进。

十三 | 搜索越强，评估器越早被钻空子。 NanoChat 里有个方案把因果语言模型改成接近双向注意力的结构，让未来 token 提前泄露，BPB 假性变低。SOL-ExecBench 里有个方案在正确性检查时缓存输出，在计时阶段跑空 kernel，分数好看但没真正解题。

十四 | 光优化最终分数不够，评估本身必须进研究环。方案搜索越强，评估器和验证管线得跟着进化，才能把真进步和 reward hacking 区分开。

十五 | AI for AI 还有一个隐性闭环。

十六 | 强 Research Agent 加速模型、训练系统、基础设施的研发，更扎实的 AI 系统反过来又把下一代 Research Agent 推得更强。科学难题上的新答案数学这块，Hyra 收集了 55 个开放数学问题，来自 EinsteinArena 和 Erich's Packing Center 等来源，很多几十年没动过。

十七 | Hyra 在其中 29 个上拿到了新的最优已知结果。它还会从实验数据里挖规律。给它 1749 到 1932 年的月度太阳黑子数据，Hyra 找到了一个能预测黑子数的递推关系，在 1932 到 2026 年近一个世纪的样本外数据上 R² 达到 0.77。同样思路可以分析 AI 模型训练日志，挖出 scaling law（缩放定律），反过来指导训练配方设计。除了挖规律，Hyra 还能直接设计科学和工程工件。

十八 | 三个代表性例子。

十九 | 第一个是超小 Transformer。

| Hyra 设计了一个只有 15 个可训练参数的 Transformer，能做两个 10 位数相加。比 AdderBoard 上 36 个参数的公开纪录少 58.3%。Hyra 能在严格资源约束下联合搜索模型架构和计算机制，对研究神经网络极限和模型压缩有参考价值。第二个是量子计算里的 qubit routing（量子比特路由）。逻辑量子比特要映射到物理芯片上有限的耦合拓扑，非相邻比特之间的操作通常需要插入 SWAP 门，带来双比特门开销和噪声。 Hyra 设计的路由算法在 IBM Q20 上比经典 SABRE 方法提升 44.4%。

| 同一个 24-CX 路由窗口里，SABRE 插了 15 个 SWAP，Hyra 一个没用，把 CX 等价双比特门从 69 个压到 24 个，降幅 65.2%。双比特门少，执行时间短，累积误差也小。第三个是药物设计。PARP1 是 DNA 损伤修复里的关键酶，和同源重组修复缺陷的肿瘤细胞有合成致死效应，是精准肿瘤学里的热门靶点。Hyra 拿到 PARP1 结合口袋，生成有稳定结合的类药候选分子。从布洛芬出发，Hyra 设计出一个得分 -10.60 的分子，超过了已上市 PARP 抑制剂 olaparib（奥拉帕利）的 -9.77，综合了对接打分和类药性。还能玩出点花来除了搞模型和搞科学，Hyra 在游戏、设计、内容创作等开放域也能玩。这类任务通常没有唯一正确答案，靠自对弈、自评估、用户反馈不断打磨策略和工件。第一个是黑白棋（Othello）机器人。

| Hyra 通过自对弈不断改进。评估器搞双循环赛，新候选方案和 EB 里高分机器人对战，按 Elo 保留前 k 名，对手池越来越强。策略从 minimax 搜索进化成 AlphaZero 风格 PUCT 加 MCTS 的混合打法。最终机器人在 Botzone 平台 730 个参赛作品里排第三，对手大多是北大计算机系学生。第二个是从单张 2D 参考图生成 3D 结构。

| VLM（视觉语言模型）当评委，按剪影、比例、结构完整性、材质、视觉相似度打分。Hyra 反复修改建模代码和渲染参数，多轮探索后产出的模型比 Claude Code 的 Goal 模式更接近参考图，也更符合人类审美偏好。第三个是给一段旋律做多乐器编曲。内层循环用规则评估器检查和声、和弦进行、节奏密度、音区冲突等指标。外层循环根据用户反馈调整评估器，慢慢学到那些很难事先形式化的偏好。