텐센트 훈위안이 연구 Agent Hyra 2.0을 출시하며, "AI가 과학 연구를 수행"하는 것을 문제 풀기에서 더 야심 찬 목표, 즉 기계가 장기적으로 재사용 가능한 과학 모델, 알고리즘 및 도구를 스스로 연구개발하는 것으로 추진했다.
수 주에 달하는 연구를 뒷받침하기 위해 Hyra 2.0은 작업을 3계층 Agent에 분배한다: Overall은 자원 조정을, Mission은 계획을, Worker는 실험을 수행한다. 작업 상태가 영속화되어 훈련 대기 시간에도 다른 프로젝트를 진행할 수 있다. 모든 결론에는 증거로 코드와 로그를 첨부해야 하며, 의심스러운 경우 독립 Agent가 재검토하고, 검증된 경험은 Skill로 축적되어 재사용된다.
단백질부터 칩 로봇 손까지, 성적표가 이미 공개되었다
두 가지 단백질 모델을 제로부터 훈련했다: 196만 파라미터의 HyInv는 목표 골격으로부터 역으로 서열을 추론하며, ProteinMPNN보다 57배 빠르고, H20 GPU 한 장에서 약 400 잔기의 서열 128개를 생성하는 데 약 50밀리초밖에 걸리지 않는다. 6.5억 파라미터의 HyPLM-Flash는 7260억 토큰을 학습했으며, 가중치, 코드, 보고서를 모두 오픈소스로 공개했다. 또한 오픈소스 RISC-V 프로세서 샹산(香山)의 SPEC CPU2006 GHz당 성능을 5.79% 끌어올렸으면서 면적 증가는 0.3%에 그쳤다. 설계한 다섯 손가락 "나선형 계단 손"은 초기 버전이 기존 최고 성능보다 11% 느렸으나, 동일한 예산으로 제어 알고리즘을 조정한 후 시뮬레이션 회전 속도는 오히려 28.6% 더 빨라졌다.
가장 흥미로운 것은 폐쇄 루프다: Hyra 2.0은 이미 차세대 훈위안 모델의 사전 훈련, 사후 훈련 및 추론 최적화에 개입하고 있다. AI가 AI를 만드는 도구를 개선하기 시작할 때, 더 강력한 모델은 이 "연구 영구기관"에서 스스로 자라나올지도 모른다.