11月2日、テンセント混元は科学研究エージェントフレームワーク「Hyra 2.0」を公開した。発想は変わっている。AIに難問を直接解かせるのではなく、エージェントに再利用可能な科学モデル、ワークフロー、ソフトウェアツールを作らせる。研究が数日から数週間続くとき、一問一答では役に立たない。実験を自ら進め、ツールを蓄積できるシステムこそ価値があり、Hyra 2.0は後者の能力に賭けている。
3層のエージェントはそれぞれ何を担うか
Hyra 2.0は作業を3層に分ける。Overallがリソース調整、Missionが研究計画、Workerが実験の実行を担う。3層のエージェントは企業微信（WeCom）、計算プラットフォーム、コードリポジトリにつながり、閉じたテスト問題で点数を稼ぐのではなく、実際の研究環境で働く。分業の利点は責任が明確なことだ。計画が間違えば遡って確認でき、実験が失敗すればやり直せ、完成したツールは次の課題に残せる。
タンパク質、量子符号、チップ——3つの成果は何を示すか
テンセント混元は、すでに生み出された3種類の成果を公開した。タンパク質の分野では、Hyra 2.0がHyInvとHyPLM-Flashの2モデルをゼロから訓練した。HyInvはわずか196万パラメータで、目標の骨格に沿ってタンパク質配列を設計でき、生成速度は広く使われるProteinMPNNの57倍。HyPLM-Flashは6億5000万パラメータで、7260億トークンを学習に使った。2モデルの重み、推論コード、技術レポートは公開済みだ。量子の分野では、HyQECツールが構築した量子符号の符号化効率が、qLDPCチャレンジの従来最良記録を約48%上回った。チップの分野では、Hyra 2.0がオープンソースRISC-Vプロセッサ「香山（Xiangshan）」の最適化に参加し、SPEC CPU2006のGHzあたり性能を5.79%高め、チップ面積の増加は0.3%にとどめた。さらに、5本の指の長さが段階的に増える「階段の手」も設計した。
これらの成果に共通するのは再利用できる点だ。モデル、ツール、設計手法が残るため、次の研究は毎回ゼロから始めるのではなく、その上に積み上げられる。Hyra 2.0はすでに、次世代の混元モデルの事前学習、事後学習、推論システム最適化にも参加している。AIが研究ツールを改良して、より強い次世代モデルを訓練する手助けをする構図だ。
ただし注意したい。上の数字はいずれもテンセント混元の発表内容であり、独立した再現や査読の状況について、既存の報道は何も伝えていない。Hyra 2.0の対象は研究チームであり、一般ユーザーが直接ダウンロードして使える製品ではない。次に注目すべきは、公開されたモデルとコードを外部チームが再現できるかどうか、そしてこのフレームワークがテンセント内部の環境を離れ、ほかの研究現場でも同じように機能するかどうかだ。
