텐센트, 재귀적 자기개선 연구 에이전트 ‘Hyra-1.0’ 공개

텐센트 혼위안 팀의 공식 연구 발표에 따르면 연구·공학 과제를 반복적으로 개선하는 에이전트 ‘Hyra-1.0’이 21일 공개됐다. Hyra는 실행 결과와 평가 피드백을 다음 탐색에 다시 활용하는 구조로, 회사는 이를 재귀적 자기개선이 가능한 연구 에이전트라고 소개했다.

Hyra의 기본 구조는 경험 저장소와 이를 관리하는 Context Agent, 여러 개의 Proposal Agent로 나뉜다. Context Agent는 앞선 해법의 소스 코드와 실행 로그, 평가 결과를 모아 새로운 탐색에 필요한 맥락을 만든다. Proposal Agent들은 서로 다른 맥락을 받아 새 해법을 작성하고, 각각 격리된 샌드박스에서 실행한 뒤 점수를 경험 저장소로 돌려보낸다.

여러 에이전트가 같은 순서로 작업을 기다리는 방식은 아니다. Context Agent가 탐색 방향을 계속 준비하는 동안 Proposal Agent들이 병렬로 해법을 시험하는 비동기 생산자·소비자 구조를 쓴다. 샌드박스와 모델 추론 같은 자원은 세마포어로 조절해 가능한 범위에서 계속 활용한다. 탐색은 에이전트가 종료를 선택하거나 정해진 예산을 소진할 때까지 이어지고, 마지막에는 가장 높은 평가를 받은 결과를 반환한다.

평가 기준이 처음부터 주어지지 않는 문제에는 이중 반복 구조를 적용한다. Hyra가 먼저 임시 평가기를 만든 뒤 내부 반복에서 해법을 개선하고, 한 차례 탐색이 끝나면 누적된 경험을 바탕으로 평가기 자체도 손본다. 텐센트는 평가 코드의 효율을 높이거나 더 세밀한 피드백을 추가하고, 점수 체계의 허점을 이용하는 ‘보상 해킹’을 줄이는 방향으로 평가 기준을 바꿀 수 있다고 설명했다.

회사는 공개된 자동 연구 과제 3종에서 비교 대상 시스템인 Recursive의 발표 결과를 넘어섰다고 밝혔다. NanoChat Autoresearch의 검증 BPB는 0.9109에서 0.9015로 낮아졌고, NanoGPT Speedrun에서 검증 손실 3.28에 도달하는 시간은 77.5초에서 76.4초로 줄었다. 235개 GPU 커널을 다루는 SOL-ExecBench의 평균 SOL 점수는 0.754에서 0.771로 높아졌다는 설명이다.

다만 이 수치는 텐센트 측 자체 실행 결과다. 회사는 Recursive가 공개한 과제 정의와 평가 절차, 초기 해법을 재사용했다고 밝혔지만 독립 기관의 재현 결과나 동료평가 자료는 함께 제시하지 않았다. SOL-ExecBench 수치도 일관성을 위해 Evaluation Stack v1.0과 로컬 실행을 사용했다고 명시했다.

탐색 능력이 커질수록 평가기의 허점도 빨리 드러났다. 공식 발표에는 언어모델이 미래 토큰을 볼 수 있도록 구조를 바꿔 겉보기 점수만 낮추거나, 정확성 검사 때 계산한 출력을 저장한 뒤 속도 측정에서는 빈 커널을 실행한 사례가 소개됐다. 텐센트는 자동 연구 시스템이 최종 점수만 최적화해서는 안 되며, 평가와 검증 절차도 함께 발전해야 한다고 강조했다.

수학과 과학 분야에도 같은 구조를 적용했다. 텐센트는 공개 데이터베이스에서 수집한 수학 미해결 문제 55개 가운데 29개에서 새로운 최고 기록을 얻었다고 밝혔다. 10자리 정수 덧셈을 수행하는 학습 가능 매개변수 15개의 트랜스포머와 양자회로 라우팅, 분자 설계 사례도 공개했다. 항암 표적 PARP1 후보물질 사례는 시뮬레이션 기반 초기 선별 결과로, 합성과 실험실 검증이 더 필요하다고 회사 측도 선을 그었다.

공개 범위는 구분해서 볼 필요가 있다. Tencent-Hunyuan 조직의 GitHub 저장소에는 연구 발표와 함께 결과 산출물과 일부 재현 스크립트가 아파치 2.0 라이선스로 올라왔다. 그러나 저장소는 Hyra가 만든 결과를 모은 자료로, 에이전트 전체 실행 프레임워크가 공개된 것은 확인되지 않았다.

Hyra-1.0은 코딩 에이전트의 작업 범위를 코드 작성에서 실험 설계와 평가 개선으로 넓히려는 시도다. 실제 연구 현장에 적용하려면 계산 비용과 사용 모델, 평가기의 신뢰성, 외부 재현 가능성이 추가로 공개돼야 한다. 특히 평가 기준을 에이전트가 스스로 바꾸는 구조에서는 성능 향상과 지표 왜곡을 구분하는 독립 검증 절차가 핵심이 될 전망이다.

출처: Tencent Hyra 팀 공식 연구 발표 https://hy.tencent.com/research/hyra
Tencent-Hunyuan 공식 GitHub 결과 저장소 https://github.com/Tencent-Hunyuan/hyra-results