AIが研究を助けるとき、価値を持つのは一度で正解を返すことだけではありません。Tencent Hunyuanの「Hyra」は、失敗と評価を蓄積しながら試行を続ける仕組みを示しました。研究AIは、どこまで実験の反復を担えるのでしょうか。
Tencent Hunyuanは、研究・工学課題を反復的に改善する研究エージェント「Hyra-1.0」を発表した。
Context Agentが過去の試行を経験庫に蓄積し、複数のProposal Agentが独立環境で解決策を生成・実行する。NanoChatではBPB 0.9015、NanoGPT Speedrunでは検証損失が約3.28となる条件で76.4秒、SOL-ExecBenchでは0.771を記録した。数学、分子設計、量子計算、ゲーム、3D制作にも同じ基本構造を適用している。
From: 
Hyra: A simple yet effective scaffold for general discovery
【編集部解説】
Hyra-1.0を理解するうえで重要なのは、「再帰的自己改善」という言葉を、AIモデルが人間の手を離れて際限なく賢くなる現象と混同しないことです。
Tencent Hunyuanの発表内容を見る限り、Hyraが改善する主な対象は、与えられた課題に対して提出するプログラムや設計案です。解決策を作成し、実行結果を評価し、その経験を使って次の案を作る工程を繰り返します。
一般的な一回の応答生成とは異なり、Hyraは回答を出した後も試行を続けます。過去の成功例だけでなく失敗例や実行ログ、評価結果も蓄積し、次の試行に利用します。複数のProposal Agentが独立した環境で案を試せるため、一つの方針を順番に修正するだけでなく、異なる解決方法を並行して探索できる構造です。
この構造が機能しやすいのは、結果の良し悪しを数値やテストで判定できる課題です。AIモデルの検証損失、処理時間、GPUカーネルの実行性能、量子回路に追加されるゲート数などは、変更前と変更後を比較できます。Hyraはこうした評価結果を手がかりとして、より良いプログラムを探し続けます。公開リポジトリでは、NanoChat Autoresearch、NanoGPT Speedrun、SOL-ExecBenchを含むAI開発課題のほか、数学、太陽黒点予測、分子設計、量子ビットのルーティングなどの成果物が公開されています。
ただし、公開された記録を、そのままHyraの総合的な研究能力と考えることはできません。それぞれの数値は、各ベンチマークで定められた指標に対する結果です。たとえばNanoGPT Speedrunでは、Hyraが生成した構成は3回の平均で76.435秒を記録しましたが、検証損失は目標値の3.28をわずかに上回る3.28007でした。別のドライバー環境では検証損失が3.2796となった一方、処理時間は77.088秒になっています。公開資料自身も、GPUドライバーや負荷状態によって結果が変動すると説明しています。
これは発表された成果を否定するものではありません。むしろ、研究エージェントの評価では「最高記録を出したか」だけでなく、同じ条件で再現できるか、わずかな環境差で優劣が変わらないかを確認する必要があることを示しています。公開リポジトリには最終成果物や再現用スクリプトが収録されていますが、少なくとも現時点で確認できるリポジトリはHyraの成果を集めたものであり、エージェント本体を利用するためのコード一式ではありません。
また、Hyraの仕組みには評価指標そのものが適切かという問題が残ります。数値を最大化するだけでは、本来求めていた成果から外れながら高得点を得る可能性があります。Tencent Hunyuanは、固定された評価方法がない課題について、解決策だけでなく評価器も更新する二重の改善ループを提示しています。ただし、評価器をAIが改善する場合も、その新しい評価基準が人間の目的と一致しているかを確認する工程が重要になります。
Hyraが示している変化は、AIが研究者に代わって一度で正解を発見することではありません。人間が行ってきた「仮説を立てる、試す、結果を見る、次の案を考える」という反復工程の一部を、長時間にわたって継続できる形へ変えた点にあります。今回公開された成果は、AI開発から科学、創作まで同じ基本構造を適用できる可能性を示しています。
一方で、一般ユーザー向けの提供方法、API、料金、日本からの利用可否は、今回確認した公式発表と公開リポジトリでは示されていません。Hyra-1.0は現時点で、完成した商用サービスというより、反復型の研究エージェントが何を改善できるかを成果物とともに示した研究発表として捉えるのが適切です。
【関連記事】
Tencent Hunyuan 2.0：406B MoEモデルが数学推論とAgentic Codingを加速する理由
Hyraを開発したTencent Hunyuanの基盤モデルとエージェント能力を扱った記事。Hunyuan 2.0の記事はモデル自体の推論・コーディング性能が中心で、今回の記事は試行と評価を継続する研究エージェントの仕組みに焦点を当てる。
Google AI co-scientist｜科学研究を加速させる次世代AIシステム、Gemini 2.0ベースの仮想研究パートナーを発表
複数のAIエージェントが仮説の生成や評価を行う研究支援システムを扱った記事。Google AI co-scientistは科学的な仮説や研究計画の生成が中心で、Hyraは実行可能なプログラムや設計案を作り、数値評価を使って改善を続ける点に特徴がある。
Sakana AI、世界初のAI生成論文が査読通過－科学研究の未来を変える日本発の技術革新
AIが仮説設定、実験コード作成、分析、論文執筆までを行うAI Scientist-v2を扱った記事。Hyraが評価指標に基づく解決策の改善を中心とするのに対し、AI Scientist-v2は研究成果を論文としてまとめ、査読へ提出する工程まで対象としている。
【編集部後記】
AIがすぐに答えを返すことには、私たちもすでに慣れつつあります。
しかし研究に必要なのは、正解そのものよりも、失敗を重ねながら条件を見直す時間なのかもしれません。
Hyraが担おうとしているのは、その地道な反復の一部です。
一方で、何を高く評価し、どこで試行を止めるのかは、AIだけでは決められません。
研究AIが高度になるほど、私たちには「良い成果とは何か」を言葉にする力が求められます。
答えを出すAIの次に問われるのは、答えへ向かう過程を誰が設計するのかという問題です。
【用語解説】
Hyra（Hunyuan Research Agent）
Tencent Hunyuanが開発した研究エージェント。解決策の生成、実行、評価を繰り返し、過去の試行結果を次の改善に利用する仕組み。
再帰的自己改善
AIが出した結果を評価し、その評価を次の試行へ反映する反復的な改善方法。Hyraでは、主にプログラムや設計案などの成果物を改善する仕組みとして使用。
Context Agent
過去の試行、実行結果、評価内容などを整理し、次の試行に役立つ情報を抽出する役割を持つエージェント。
Proposal Agent
Context Agentから受け取った情報をもとに、新しい解決策を生成し、独立した実行環境で検証するエージェント。Hyraでは複数のProposal Agentを並行して実行可能。
Experience Bank
過去に生成されたプログラム、成功例、失敗例、実行ログ、評価結果などを保存する記録領域。蓄積された経験を次の試行に利用。
サンドボックス
プログラムを外部のシステムから隔離して実行する環境。生成コードによる意図しない影響を抑えながら検証するために使用。
BPB（Bits Per Byte）
1バイト当たりの予測に必要な平均ビット数を表す指標。一般に数値が低いほど予測性能が高いことを示す。
検証損失（Validation Loss）
学習に直接使っていない検証用データに対するモデルの誤差。数値が低いほど検証データを適切に予測できていることを示すが、実用性能全体を表す指標ではない。
SOL-ExecBench
GPU向けのプログラムやカーネルを生成・最適化する能力を評価するベンチマーク。生成コードの正確性や実行性能などをスコア化。
【参考リンク】
Tencent（外部）
SNS、ゲーム、クラウド、フィンテック、AIなどの事業を展開するTencentの公式企業サイト。
Tencent Hunyuan（外部）
Tencentが開発する基盤モデル、画像・動画・3D生成技術、研究成果などの情報を掲載するHunyuanの公式サイト。
Tencent Hunyuan公式GitHub（外部）
Tencent Hunyuanが公開するAIモデル、研究コード、成果物などを確認できる公式GitHubアカウント。
【参考記事】
Hyra Results｜Tencent Hunyuan公式GitHub（外部）
HyraがAI開発、科学、数学、工学、ゲーム、音楽、3D制作などで生成した成果物をまとめた公式リポジトリ。課題ごとの従来結果とHyraの結果も掲載。
NanoChat Autoresearch｜Tencent Hunyuan公式GitHub（外部）
HyraがNanoChatの学習構成を改善した成果物。BPB 0.9015を記録した学習ログ、実行スクリプト、訓練コードを公開。
NanoGPT Speedrun｜Tencent Hunyuan公式GitHub（外部）
Hyraが生成したNanoGPT高速化構成と測定結果。実行時間、検証損失、GPUドライバーによる差、再現時の注意事項を確認可能。
SOL-ExecBench｜Tencent Hunyuan公式GitHub（外部）
HyraがGPUプログラムの最適化に取り組んだ成果物。ベンチマークへ提出したコードや評価用データなどを収録。
