उत्तरप्रकाशित19 स्रोत
Hyra 2.0 का लक्ष्य: AI से ऐसे वैज्ञानिक औज़ार बनवाना जिन्हें रिसर्च में फिर इस्तेमाल किया जा सके
Hyra 2.0 का मुख्य विचार एक एक वैज्ञानिक समस्या हल करने के बजाय ऐसे मॉडल, टूल और वर्कफ़्लो बनाना है जिन्हें आगे की रिसर्च में फिर इस्तेमाल किया जा सके। Tencent के मुताबिक, HyInv नाम का प्रोटीन inverse folding मॉडल 1.96 million parameters का है। कंपनी इसे ProteinMPNN से 57 गुना तेज़ बताती है और कहती है कि यह 50 मिलीसे...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Hyra 2.0 का मुख्य विचार एक एक वैज्ञानिक समस्या हल करने के बजाय ऐसे मॉडल, टूल और वर्कफ़्लो बनाना है जिन्हें आगे की रिसर्च में फिर इस्तेमाल किया जा सके।
- Tencent के मुताबिक, HyInv नाम का प्रोटीन inverse folding मॉडल 1.96 million parameters का है। कंपनी इसे ProteinMPNN से 57 गुना तेज़ बताती है और कहती है कि यह 50 मिलीसेकंड में 128 प्रोटीन सीक्वेंस डिज़ाइन कर सकता है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Tencent Hunyuan report about Hyra 2.0, its autonomous research agent released on November 2, 2026, including its shift from Hyra 1.. Article summary: Tencent Hunyuan presented Hyra 2.0, launched on November 2, 2026, as a shift from solving individual scientific problems to developing reusable models, tools, and research workflows that can accelerate later discoveries.. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Tencent ने Hyra 2.0 को ऐसे रिसर्च एजेंट के तौर पर पेश किया है जिसका मकसद सिर्फ किसी एक वैज्ञानिक सवाल का जवाब देना नहीं, बल्कि आगे के काम में काम आने वाले मॉडल, टूल और वर्कफ़्लो तैयार करना है। कंपनी के शुरुआती उदाहरणों में प्रोटीन डिज़ाइन मॉडल, मॉलिक्यूलर सिमुलेशन के लिए मशीन-लर्निंग फोर्स फ़ील्ड और क्वांटम एरर-करेक्शन टूल शामिल हैं। ये नतीजे Tencent और उसकी कवरेज में बताए गए हैं; उपलब्ध स्रोतों से इनकी स्वतंत्र पुष्टि स्थापित नहीं होती। 2
4
11
एक सवाल का जवाब नहीं, दोबारा काम आने वाला औज़ार
Tencent के मुताबिक, Hyra 2.0 सामान्य उद्देश्य वाले एजेंटों के ज़रिए वैज्ञानिक टूल और मॉडल विकसित करने तथा बेहतर बनाने पर काम करता है। विचार यह है कि एक बार की गई मेहनत भविष्य की रिसर्च में भी उपयोगी हो। 2 यानी लक्ष्य केवल नतीजा देना नहीं, बल्कि ऐसा मॉडल या टूल बनाना है जिसे शोधकर्ता बाद में फिर इस्तेमाल कर सकें।
एक रिपोर्ट Hyra 2.0 की व्यवस्था को तीन एजेंट भूमिकाओं—Overall, Mission और Worker—में बाँटकर बताती है। 3 इसका एक ठोस हिस्सा Tencent का सार्वजनिक नतीजा-रिपॉज़िटरी है, जहाँ जारी किए गए प्रोजेक्टों के लिए मॉडल वेट्स, इन्फ़रेंस कोड और तकनीकी रिपोर्ट उपलब्ध हैं। इनमें HyInv और HyPLM-Flash शामिल हैं।
11 हालांकि, उपलब्ध स्रोत लंबे समय तक चलने वाली टास्क कतार या अलग से काम करने वाले समीक्षा एजेंट जैसी व्यापक व्यवस्था के हर पहलू की पुष्टि नहीं करते।
प्रोटीन से क्वांटम कंप्यूटिंग तक शुरुआती नतीजे
HyInv: प्रोटीन सीक्वेंस डिज़ाइन
प्रोटीन inverse folding का काम किसी प्रोटीन की संरचना के आधार पर उसका सीक्वेंस तैयार करना है। Tencent HyInv को शुरुआत से प्रशिक्षित मॉडल बताता है, जिसमें 1.96 million parameters हैं। कंपनी का दावा है कि यह ProteinMPNN से 57 गुना तेज़ सीक्वेंस बनाता है। Tencent के रिसर्च पेज के अनुसार, यह 50 मिलीसेकंड में 128 प्रोटीन सीक्वेंस डिज़ाइन कर सकता है। ये कंपनी के बताए बेंचमार्क दावे हैं; उपलब्ध स्रोत स्वतंत्र तुलना स्थापित नहीं करते। 2
4
HyPLM-Flash और HyFF
Tencent के नतीजा-रिपॉज़िटरी में HyPLM-Flash नाम का 650-million-parameter protein language model भी सूचीबद्ध है। इसके वेट्स और कोड जारी किए गए हैं। 11
34 इसी रिपॉज़िटरी में HyFF के पाँच मशीन-लर्निंग फोर्स फ़ील्ड दिए गए हैं। इनके आकार 2.3 million से 1.2 billion parameters तक हैं और ये 83 तत्वों को कवर करते हैं।
11
ये रिलीज़ Hyra 2.0 के घोषित तरीके की मिसाल हैं: रिसर्च के नतीजे का सिर्फ़ वर्णन करने के बजाय मॉडल और सॉफ़्टवेयर भी सार्वजनिक करना, ताकि दूसरे शोधकर्ता उनका निरीक्षण या दोबारा इस्तेमाल कर सकें।
HyQEC और प्रोसेसर पर काम
रिपोर्टों के मुताबिक, HyQEC ने क्वांटम एरर-करेक्शन कोड तैयार किया, जिसका encoding-efficiency माप qLDPC Challenge के पिछले शीर्ष नतीजे से लगभग 48% बेहतर था। 4 एक अन्य रिपोर्ट कहती है कि Hyra के काम से XiangShan RISC-V प्रोसेसर का GHz के हिसाब से प्रदर्शन स्कोर 5.79% बेहतर हुआ।
13 इन आँकड़ों को रिपोर्ट किए गए नतीजों के रूप में देखना चाहिए: उपलब्ध अंशों में बेंचमार्क की पूरी विधि का आकलन करने के लिए पर्याप्त जानकारी नहीं है।
sum-versus-difference गणितीय नतीजे की सीमा
Tencent के Hyra नतीजा-रिपॉज़िटरी में पूर्णांकों के सीमित उपसमुच्चयों से जुड़ी sum-versus-difference घातांक समस्या का मशीन-जाँच किया हुआ समाधान दर्ज है। रिपॉज़िटरी के अनुसार, संबंधित सर्वोच्च सीमा ठीक 2 है—इसके जितना चाहें करीब पहुँचा जा सकता है, लेकिन इसे हासिल नहीं किया जा सकता। 19
यह रिपॉज़िटरी में दर्ज एक गणितीय नतीजा है, लेकिन उपलब्ध स्रोत यह स्थापित नहीं करते कि इसे Hy3 या Hyra 1.0 ने हासिल किया था। इसलिए इसे पहले के सिस्टम की भूमिका का पक्का सबूत नहीं मानना चाहिए।
सार्वजनिक कोड और स्वतंत्र पुष्टि एक ही बात नहीं
Hyra नतीजा-रिपॉज़िटरी में कई प्रोजेक्टों के जारी किए गए वेट्स, कोड और तकनीकी रिपोर्ट सूचीबद्ध हैं। 11 इससे कुछ आउटपुट की जाँच और पुनः उपयोग संभव होता है, लेकिन केवल प्रकाशित होना यह साबित नहीं करता कि हर प्रदर्शन-दावे को स्वतंत्र रूप से दोहराया गया है। उपलब्ध स्रोत यह भी स्थापित नहीं करते कि सभी जारी किए गए आर्टिफ़ैक्ट Apache 2.0 लाइसेंस के तहत हैं। अलग Hy3 मॉडल के लिए बताए गए लाइसेंस को पूरी Hyra रिपॉज़िटरी पर लागू नहीं मानना चाहिए।
18
24
फिलहाल सबसे ठोस निष्कर्ष Hyra 2.0 की रिसर्च रणनीति के बारे में है: Tencent कहता है कि यह दोबारा इस्तेमाल होने वाले वैज्ञानिक टूल बना रहा है, और उसकी रिपॉज़िटरी में कुछ ठोस मॉडल तथा सॉफ़्टवेयर उपलब्ध हैं। बताए गए बेंचमार्क ध्यान खींचते हैं, लेकिन स्वतंत्र जाँच का विकल्प नहीं हैं। 2
11
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Hyra 2.0 का लक्ष्य: AI से ऐसे वैज्ञानिक औज़ार बनवाना जिन्हें रिसर्च में फिर इस्तेमाल किया जा सके" का संक्षिप्त उत्तर क्या है?
Hyra 2.0 का मुख्य विचार एक एक वैज्ञानिक समस्या हल करने के बजाय ऐसे मॉडल, टूल और वर्कफ़्लो बनाना है जिन्हें आगे की रिसर्च में फिर इस्तेमाल किया जा सके।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Hyra 2.0 का मुख्य विचार एक एक वैज्ञानिक समस्या हल करने के बजाय ऐसे मॉडल, टूल और वर्कफ़्लो बनाना है जिन्हें आगे की रिसर्च में फिर इस्तेमाल किया जा सके। Tencent के मुताबिक, HyInv नाम का प्रोटीन inverse folding मॉडल 1.96 million parameters का है। कंपनी इसे ProteinMPNN से 57 गुना तेज़ बताती है और कहती है कि यह 50 मिलीसेकंड में 128 प्रोटीन सीक्वेंस डिज़ाइन कर सकता है।
सूत्र
hy.tencent.aiHyra 2.0: The Next Step for Auto Research - Tencent Hy
panews.ioTencent Hunyuan Releases Hyra 2.0, Where Agents Develop ...
github.comGitHub - Tencent-Hunyuan/Hyra-results: Research artifacts from Hyra (/ˈhaɪ.rɑː/)
techflowpost.comTencent Hunyuan Releases Hyra 2.0, Driving AI to Shift from Solving Research Challenges to Independently Developing Sci…