Hyra 2.0 Đang hoạt động

Hyra 2.0 là tác nhân AI nghiên cứu khoa học do Tencent Hunyuan phát triển, là phiên bản nâng cấp của Hyra 1.0, chuyển từ tự động giải bài toán sang công cụ nghiên cứu và phát triển. Hyra 2.0 có thể tự chủ huấn luyện các mô hình khoa học trong thời gian dài, tối ưu hóa quy trình nghiên cứu và tích lũy kinh nghiệm thành tài sản có thể tái sử dụng. Các thành quả đã bao phủ những lĩnh vực như thiết kế protein, mô phỏng phân tử, chứng minh toán học và sửa lỗi lượng tử. Mục tiêu dài hạn là để việc nâng cấp công cụ và tăng cường mô hình thúc đẩy lẫn nhau, hình thành vòng lặp tự cải tiến đệ quy.

Phát triển công cụ: agent hoàn thành toàn bộ quy trình thiết kế, huấn luyện, đánh giá và triển khai mô hình khoa học.
Phối hợp nghiên cứu ba tầng: tổ chức nghiên cứu dài hạn thông qua Overall, Mission và Worker. Worker có thể tiến hành thí nghiệm độc lập và chất vấn phán đoán của Mission.
Đánh giá độc lập: Review Worker tiếp cận vấn đề gốc và bằng chứng trong một ngữ cảnh mới trước, sau đó kiểm chứng chéo kết luận của bên thực thi.
Tích lũy kinh nghiệm: trạng thái dự án, bộ nhớ của agent và kiến thức dùng chung được lưu trữ riêng biệt; các skill tạo ra từ quá trình tổng kết có thể được tái sử dụng cho những nhiệm vụ sau.
Triển khai thành quả đa lĩnh vực: các kết quả ban đầu bao phủ thiết kế protein, mô phỏng phân tử, chứng minh toán học, sửa lỗi lượng tử, thiết kế thân robot và tối ưu hóa chip.
Tham gia phát triển mô hình lớn: tham gia vào hạ tầng tiền huấn luyện, quy trình dữ liệu hậu huấn luyện và tối ưu hóa hệ thống suy luận của thế hệ mô hình Hy tiếp theo.

Tái sử dụng công cụ và hiệu ứng lãi kép của trí tuệ: bài viết phân loại công cụ thành công cụ ký hiệu hóa và công cụ tham số hóa. Luận điểm cốt lõi là: giải được một bài toán chỉ tạo ra một đáp án, còn nâng cấp một công cụ sẽ giúp mọi nhiệm vụ phía sau được hưởng lợi. Toàn bộ thiết kế của Hyra 2.0 đều xoay quanh việc để thành quả của một lần nghiên cứu được các nghiên cứu sau sử dụng nhiều lần, từ đó hình thành hiệu ứng lãi kép trí tuệ bền vững.
Kiến trúc tổ chức ba tầng và điều phối bền vững: Hyra 2.0 sử dụng mô hình phân công ba tầng Overall, Mission và Worker. Overall tương tác với con người, quản lý mức độ ưu tiên và tài nguyên; Mission chịu trách nhiệm dài hạn cho một vấn đề nghiên cứu và chịu trách nhiệm về kết luận; Worker thực hiện việc khám phá và thí nghiệm. Sau khi nhiệm vụ được đưa vào hàng đợi bền vững, hệ thống điều phối sẽ khởi chạy nhiệm vụ theo mức độ ưu tiên, quan hệ phụ thuộc và giới hạn tài nguyên. Khi một nhiệm vụ chờ kết quả huấn luyện hoặc phê duyệt của con người, các nhiệm vụ khác vẫn tiếp tục tiến hành; agent có thể cài đặt thời gian đánh thức để tiếp tục công việc tại các điểm kiểm tra.
Cơ chế phối hợp bất đồng bộ và đánh giá độc lập: tiến độ nghiên cứu song song được ghi lại trên Research Board. Các tiến triển thông thường được agent khác đọc bất đồng bộ; những vấn đề bắt buộc xử lý sẽ được thông báo qua tin nhắn và yêu cầu phản hồi rõ ràng, nhằm tránh thường xuyên làm gián đoạn các nhiệm vụ đang thực thi. Khi Worker báo cáo hoàn tất, phải đính kèm phiên bản mã nguồn, kết quả thí nghiệm, nhật ký hoặc dấu vết chạy làm bằng chứng. Khi cần xác minh độc lập, hệ thống sẽ khởi chạy một Review Worker mới, để worker này tiếp cận vấn đề gốc và bằng chứng trong một ngữ cảnh mới trước, nhằm loại bỏ ảnh hưởng từ kết luận của bên thực thi. Các lỗi phát hiện trong quá trình đánh giá hoặc phạm vi kết luận hẹp hơn đều được giữ lại một cách trung thực.
Phân tách bộ nhớ ba tầng và cơ sở tri thức phân cấp: hệ thống lưu riêng trạng thái dự án, bộ nhớ công việc phân tầng của từng agent (nhận thức hiện tại, giả định quan trọng, các hướng đã loại trừ, kế hoạch tiếp theo) và cơ sở tri thức dùng chung Books giữa các nhiệm vụ. Mỗi bản ghi trong Books phải nêu rõ cách làm, lý do, điều kiện áp dụng và đính kèm bằng chứng gốc; các bản ghi được phân thành ba cấp độ tin cậy: “quan sát”, “đã xác minh” và “quy ước”. Khi xuất hiện bằng chứng mới, các bản ghi hiện có có thể được điều chỉnh.

Hiện tại, Hyra 2.0 là hệ thống nghiên cứu và phát triển nội bộ của Tencent Hunyuan, chưa phải sản phẩm SaaS mở cho công chúng.

Nâng cấp mô hình: chuyển từ việc agent trực tiếp giải bài toán sang việc agent nghiên cứu và nâng cấp công cụ khoa học; thành quả có thể được các nghiên cứu sau tái sử dụng nhiều lần, hình thành hiệu ứng lãi kép trí tuệ.
Năng lực nghiên cứu dài hạn: kiến trúc ba tầng Overall, Mission, Worker cùng hàng đợi bền vững hỗ trợ nghiên cứu dài ngày đến nhiều tuần, với nhiều dự án tiến hành song song.
Độ tin cậy kết luận cao: Review Worker đánh giá độc lập trong một ngữ cảnh mới, đồng thời yêu cầu đính kèm bằng chứng như phiên bản mã nguồn và nhật ký, giảm nguy cơ agent tự xác nhận sai lầm của mình.
Khả năng tích lũy kinh nghiệm: trạng thái dự án, bộ nhớ agent và cơ sở tri thức dùng chung được phân tách thành ba tầng; Books được quản lý theo cấp độ quan sát, đã xác minh và quy ước; skill có thể được tái sử dụng giữa các nhiệm vụ.
Xây dựng mô hình đầu cuối: HyInv, HyPLM và các mô hình khác đều là những mô hình mới được hoàn thành từ đầu, bao gồm tiền huấn luyện, tinh chỉnh, học tăng cường và tối ưu hóa suy luận.
Phạm vi lĩnh vực rộng: các thành quả ban đầu trải rộng trên sáu lĩnh vực gồm thiết kế protein, mô phỏng phân tử, chứng minh toán học, sửa lỗi lượng tử, thiết kế thân robot và tối ưu hóa chip.

Trang web dự án: https://hy.tencent.com/research/hyra2?langVersion=zh

Thiết kế thuốc và kỹ thuật enzyme: sử dụng các mô hình gấp ngược như HyInv để hoàn thành thiết kế 128 trình tự protein trong 50 mili giây, đẩy nhanh quá trình sàng lọc phân tử ứng viên.
Mô phỏng động lực học phân tử: sử dụng trường lực nguyên tử HyFF để thực hiện mô phỏng quy mô lớn, theo dõi chuyển động và quá trình phản ứng của phân tử ở cấp độ nguyên tử, hỗ trợ nghiên cứu và phát triển vật liệu, thuốc.
Nghiên cứu lý thuyết toán học: sử dụng quy trình HyProver để tổ chức việc đề xuất phỏng đoán, xây dựng chứng minh và đánh giá độc lập, hỗ trợ các nhà toán học giải quyết những vấn đề mở.
Phát triển mã sửa lỗi lượng tử: sử dụng HyQEC để xây dựng mã lượng tử mới và chứng nhận chính xác khoảng cách mã, cung cấp công cụ tối ưu hóa chi phí sửa lỗi cho máy tính lượng tử.
Thiết kế và xác minh chip: tiến hành tối ưu hóa hiệu năng, kiểm thử fuzz và xác minh hình thức như trong quá trình tối ưu hóa bộ xử lý XiangShan, rút ngắn chu kỳ lặp của chip.