Hyra 2.0 Faoliyat yuritmoqda

Hyra 2.0 — Tencent Hunyuan tomonidan ishlab chiqilgan AI ilmiy-tadqiqot agenti bo‘lib, Hyra 1.0 ning yangilangan versiyasidir. U avtomatik masala yechishdan ilmiy-tadqiqot vositalarini ishlab chiqishga o‘tadi. Hyra 2.0 ilmiy modellarni uzoq muddat mustaqil ravishda o‘qitishi, tadqiqot ish jarayonlarini optimallashtirishi va tajribalarni qayta foydalanish mumkin bo‘lgan aktivlarga aylantirishi mumkin. Uning natijalari oqsil dizayni, molekulyar modellashtirish, matematik isbotlar va kvant xatolarini tuzatish kabi sohalarni qamrab oladi. Uzoq muddatli maqsad — vositalarning yangilanishi va modellarning kuchayishi bir-birini rag‘batlantiradigan, rekursiv o‘z-o‘zini takomillashtirish yopiq siklini shakllantirish.

Vositalarni ishlab chiqish: agent ilmiy modelni loyihalash, o‘qitish, baholash va joriy etish jarayonlarini boshidan oxirigacha bajaradi.
Uch bosqichli hamkorlikdagi tadqiqot: uzoq muddatli tadqiqotlarni Overall, Mission va Worker o‘rtasidagi vazifalar taqsimoti orqali tashkil etadi. Worker mustaqil tajribalar o‘tkazishi va Mission xulosalarini shubha ostiga qo‘yishi mumkin.
Mustaqil tekshiruv: Review Worker yangi kontekstda avval asl muammo va dalillar bilan tanishadi, so‘ng ijrochi xulosalarini o‘zaro tekshiradi.
Tajribalarni jamlash: loyiha holati, agent xotirasi va umumiy bilimlar alohida saqlanadi; tahlil natijasida yaratilgan skill keyingi vazifalarda qayta ishlatiladi.
Ko‘p sohalardagi natijalarni amaliyotga joriy etish: dastlabki natijalar oqsil dizayni, molekulyar modellashtirish, matematik isbotlar, kvant xatolarini tuzatish, robot korpusi dizayni va chiplarni optimallashtirishni qamrab oladi.
Katta modellarni tadqiq etishda ishtirok etish: keyingi avlod Hy modellarining oldindan o‘qitish infratuzilmasi, post-training ma’lumotlar liniyasi va xulosa chiqarish tizimini optimallashtirishda qatnashadi.

Vositalarni qayta ishlatish va intellektual murakkab foiz: maqolada vositalar simvolli va parametrli vositalarga ajratiladi. Asosiy fikr shuki: bitta masalani yechish faqat bitta javob beradi, bitta vositani takomillashtirish esa undan keyingi barcha vazifalarga foyda keltiradi. Hyra 2.0 ning butun dizayni bir martalik tadqiqot natijalarini keyingi tadqiqotlarda qayta-qayta ishlatishga qaratilgan bo‘lib, barqaror intellektual murakkab foizni hosil qiladi.
Uch bosqichli tashkiliy arxitektura va doimiy rejalashtirish: Hyra 2.0 Overall, Mission va Worker dan iborat uch bosqichli taqsimotdan foydalanadi. Overall insonlar bilan ishlaydi, ustuvorliklar va resurslarni boshqaradi; Mission uzoq muddat davomida bitta tadqiqot muammosi uchun javob beradi va xulosalar mas’uliyatini o‘z zimmasiga oladi; Worker izlanish va tajribalarni bajaradi. Vazifa doimiy navbatga tushgach, rejalashtirish tizimi uni ustuvorlik, bog‘liqliklar va resurs limitlari asosida ishga tushiradi. Biror vazifa o‘qitish natijasi yoki inson tasdig‘ini kutayotganida, boshqa vazifalar odatdagidek davom etadi. Agent tekshiruv nuqtalarida ishni davom ettirish uchun uyg‘onish vaqtini belgilashi mumkin.
Asinxron hamkorlik va mustaqil tekshiruv mexanizmi: parallel tadqiqotlar jarayoni Research Board da qayd etiladi, oddiy yangilanishlarni boshqa agentlar asinxron tarzda o‘qiydi. Shoshilinch ko‘rib chiqilishi kerak bo‘lgan masalalar xabar orqali bildiriladi va aniq javob talab qilinadi, shu bilan bajarilayotgan vazifalarning tez-tez bo‘linib qolishining oldi olinadi. Worker ish tugaganini bildirganda, dalil sifatida kod versiyasi, tajriba natijalari, jurnallar yoki ishga tushirish trayektoriyasini ilova qilishi shart. Mustaqil tekshiruv zarur bo‘lsa, tizim yangi Review Worker ni ishga tushiradi. U yangi kontekstda avval asl muammo va dalillar bilan tanishib, ijrochi xulosalarining ta’sirini istisno qiladi. Tekshiruvda aniqlangan xatolar yoki toraytirilgan xulosa doirasi to‘liq saqlab qolinadi.
Uch bosqichli xotira ajratilishi va darajali bilimlar bazasi: tizim loyiha holatini, har bir agentning bosqichma-bosqich ish xotirasini — joriy tushunchalar, asosiy farazlar, chiqarib tashlangan yo‘nalishlar va keyingi qadamlar — hamda vazifalararo umumiy Books bilimlar bazasini alohida saqlaydi. Books dagi har bir yozuvda usul, sabab, qo‘llash shartlari va asl dalillar ko‘rsatilishi kerak. Yozuvlar ishonchlilik darajasiga ko‘ra «Kuzatuv», «Tasdiqlangan» va «Kelishilgan» uch bosqichga bo‘linadi; yangi dalillar paydo bo‘lganda mavjud yozuvlarni tuzatish mumkin.

Hyra 2.0 hozirda Tencent Hunyuan ichki ilmiy-tadqiqot tizimi bo‘lib, tashqi foydalanuvchilar uchun ochiq SaaS mahsuloti emas.

Paradigma yangilanishi: agentning masalani bevosita yechishidan agent tomonidan ilmiy-tadqiqot vositalarini ishlab chiqish va takomillashtirishga o‘tiladi. Natijalar keyingi tadqiqotlarda qayta-qayta ishlatilib, intellektual murakkab foizni hosil qiladi.
Uzoq muddatli tadqiqot imkoniyati: Overall, Mission va Worker dan iborat uch bosqichli arxitektura hamda doimiy navbat bir necha kun yoki hafta davom etadigan, bir nechta loyihalar parallel olib boriladigan tadqiqotlarni qo‘llab-quvvatlaydi.
Xulosalarning yuqori ishonchliligi: Review Worker yangi kontekstda mustaqil tekshiruv o‘tkazadi va kod versiyasi, jurnallar kabi dalillarni talab qiladi. Bu agentning o‘z xatosini o‘zi tasdiqlab qo‘yish xavfini kamaytiradi.
Tajribalarni jamlash: loyiha holati, agent xotirasi va umumiy bilimlar bazasi uch qatlamga ajratiladi. Books «Kuzatuv», «Tasdiqlangan» va «Kelishilgan» darajalari bo‘yicha boshqariladi, skill esa vazifalar o‘rtasida qayta ishlatilishi mumkin.
Modelni boshidan oxirigacha yaratish: HyInv, HyPLM va boshqalar oldindan o‘qitish, nozik sozlash, mustahkamlovchi o‘qitish va xulosa chiqarishni optimallashtirish bosqichlari boshidan bajarilgan yangi modellardir.
Keng soha qamrovi: dastlabki natijalar oqsil dizayni, molekulyar modellashtirish, matematik isbotlar, kvant xatolarini tuzatish, robot korpusi dizayni va chiplarni optimallashtirish kabi oltita sohani qamrab oladi.

Loyihaning rasmiy sayti: https://hy.tencent.com/research/hyra2?langVersion=zh

Dori dizayni va ferment muhandisligi: HyInv kabi teskari folding modellaridan foydalanib, 50 millisekund ichida 128 ta oqsil ketma-ketligini loyihalaydi va nomzod molekulalarni saralashni tezlashtiradi.
Molekulyar dinamika simulyatsiyasi: HyFF atom darajasidagi kuch maydoni yordamida katta hajmdagi simulyatsiyalarni amalga oshiradi, molekulalar harakati va reaksiyalar jarayonini atom miqyosida kuzatib, materiallar va dori vositalarini tadqiq etishni qo‘llab-quvvatlaydi.
Matematik nazariy tadqiqotlar: HyProver ish jarayoni yordamida farazlarni ilgari surish, isbotlarni yaratish va mustaqil tekshiruvni tashkil etib, matematiklarga ochiq muammolarni hal qilishda yordam beradi.
Kvant xatolarini tuzatish kodlarini ishlab chiqish: HyQEC yangi kvant kodlarini yaratadi va kod masofasini aniq tasdiqlaydi, bu kvant kompyuterlarida xatolarni tuzatish xarajatlarini optimallashtirish uchun vosita beradi.
Chip dizayni va tekshiruvi: Xiangshan protsessorini optimallashtirishdagi kabi unumdorlikni sozlash, fuzz-test va formal tekshiruvni amalga oshirib, chip iteratsiyasi siklini qisqartiradi.