텐센트 Hyra 2.0, AI 자율 과학연구로 나아가다: 모델을 처음부터 훈련하고, 로봇을 설계하며, 심지어 차세대 AI 연구개발에도 참여

동찰 Beating AI 속보, 텐센트 훈위안이 과학 연구 Agent Hyra 2.0을 발표하며, 연구 중점을 단일 난제에 대한 반복 시행착오에서 장기적으로 재사용 가능한 과학 모델, 알고리즘 및 도구 개발로 확장했다.

AI가 며칠에서 몇 주에 걸쳐 지속적으로 연구를 수행할 수 있도록 Hyra 2.0은 작업을 Overall, Mission, Worker 세 계층의 Agent로 나누어 각각 자원 조정, 연구 계획 및 실험 실행을 담당하게 했다. 작업은 영구적으로 저장되며, 훈련 결과를 기다리는 동안에도 다른 연구를 진행할 수 있다. 각 결론에는 코드, 로그 등의 증거를 첨부해야 하며, 필요 시 독립 Agent에게 재검토를 맡긴다. 유효한 경험은 Skill로 축적되어 후속 작업에 활용된다.

텐센트는 Hyra 2.0이 이미 두 가지 단백질 모델을 처음부터 훈련했다고 밝혔다. 그중 196만 파라미터의 HyInv는 목표 골격에 따라 단백질 서열을 설계할 수 있으며, 생성 속도가 일반적으로 사용되는 ProteinMPNN보다 57배 빠르다. 단일 H20 GPU의 예열 테스트에서 약 400개 잔기를 가진 서열 128개를 생성하는 데 약 50밀리초밖에 걸리지 않았다. 또 다른 HyPLM-Flash는 6.5억 파라미터로, 7260억 훈련 토큰을 사용했다. 두 모델의 가중치, 추론 코드 및 기술 보고서는 모두 공개되었다.

Hyra 2.0은 또한 오픈소스 RISC-V 프로세서 「샹산」 최적화에 참여하여 SPEC CPU2006의 GHz당 성능을 5.79% 향상시키고, 칩 면적은 0.3%만 증가시켰다.

또한 다섯 손가락 길이가 점차 늘어나는 「나선형 사다리 손」을 설계했다. 이 손은 처음에는 기존 최적 설계보다 약 11% 느렸지만, 동일한 예산의 제어 알고리즘 훈련을 거친 후 시뮬레이션 회전 속도가 오히려 28.6% 빨라졌다.

현재 Hyra 2.0은 차세대 훈위안 모델의 사전 훈련, 사후 훈련 및 추론 시스템 최적화에도 참여하여, AI가 연구 개발 도구를 개선함으로써 더 강력한 차세대 AI 훈련을 돕도록 시도하고 있다.