🧠 AI4S · 数学突破
腾讯混元AI智能体Hyra攻克50年数学难题，刷新29道纪录｜AI 快讯
50年未解的加法组合学开放问题，被一个AI智能体找到了完整答案。
腾讯混元自研智能体 Hyra-1.0 在 55 道数学开放问题中刷新了 29 道的已知最好结果，其中一项关于加法组合学上限的构造，证明了一条悬而未决半个多世纪的理论边界确实可以无限逼近——这不再是宽松估计，而是可实现的极限。
综合公开信息整理•
2026-07-31•
全文约 4 分钟读完
#腾讯混元
#AI4S
#数学突破
#Hyra
#智能体
50 年
加法组合学开放问题悬而未决
29 / 55
数学开放问题刷新最好结果
无限逼近
证明理论上限 2 可实现
⚡ 30 秒速览
- 解决了什么：加法组合学中一个 50 年未解的开放问题——加法结果数能否无限逼近减法结果数的平方上限。Hyra 给出了肯定的答案。
- 怎么做到的：基于 Hy3 模型（295B 总参数 / 21B 激活参数），Hyra 先在有限范围内搜索，随后用自然语言提出数学构造，约 24 小时找到核心思路。
- 不只是暴力搜索：Hyra 给出了可扩展的数学构造 + Lean 4 形式化证明，计算机可逐步骤核验推导过程。
- 深层信号：AI 已从「搜答案」进化为「参与真正的数学研究」——自己提出方案、运行实验、读取结果、迭代优化。
01这个 50 年难题到底在问什么？
给你一组整数，任意挑两个做加法，能得到多少种不同结果？换成减法，又能得到多少种？
有些数字组合加法结果多，减法结果少。数学家追问：这个差距到底能拉多大？理论上限早已划出——加法结果数的增长速度，最多接近减法结果数的平方。
但问题在于：这条上限是宽松估计，还是真的可以逼近？
就像工程师算出高铁速度不超过 350 km/h，但实际极限可能只有 200。数学家争论了 50 年：350 是真正可以逼近的极限，还是一个画得太高的上限？
传统理解
上限是数学上严格证明的，但能否逼近是另一个问题。半个多世纪里，人类设计出的最佳构造只推进到 1.2851（远低于 2）。
Hyra 给出的答案
找到了一整套可扩展的数字构造，证明随着集合规模增大，结果可以无限接近理论上限 2。那条看似遥不可及的上限，真的可以无限逼近。
半个多世纪的逼近之路：
注：柱形宽度反映各成果逼近上限的程度，Hyra 的构造证明可无限逼近 2，此前最佳人类构造为 1.2851（Codex 辅助）。数值越高代表越接近理论上限。
02Hyra 的贡献：不只是又高了一点的纪录
过去几十年，每次突破都只是把数字往前推一点点。Hyra 给出的，不是又高了一点的新纪录，而是一整套完整的答案。
🔬 找到关键构造，证明上限可无限逼近 核心突破
- Hyra 在有限范围内试出更好的结果后，转向用自然语言提出数学构造和论证，约 24 小时运行找到论文核心思路。
- 该构造可不断扩展，证明随着集合规模增大，结果能无限接近理论上限 2。
研究团队独立检查并整理出完整证明，结论：上限确实可以无限逼近。
📐 给出 Lean 4 形式化证明 可验证
- 不仅给出数学证明，还提供了一份 Lean 4 形式化证明，让计算机逐步核验推导过程。
- 这意味着结论的每一步都经过机器严格检查，不存在人类推理中可能遗漏的漏洞。
从发现线索、提出构造，到给出可验证的完整证明——Hyra 已不只是帮数学家「搜答案」。
🧪 55 道开放问题中刷新 29 道 广度验证
- 在首批 AI4S 测试中，Hyra 一口气闯进数学、天文、量子计算、药物设计等多个领域。
- 在 55 道数十年未取得进展的数学开放问题里，刷新了 29 道问题的已知最好结果。
混元官方强调这些还是初步尝试，但结果已足够说明：AI 开始参与真正的科学研究了。
03AI4S 成绩单：数学之外，还有更多
Hyra 的能力不止于数学。在首批跨学科测试中，它交出了一张相当亮眼的成绩单：
🌞
太阳黑子预测
从百年数据中发现预测公式，样本外精度 R²=0.77
🧮
10 位数加法
仅用 15 个参数实现，较此前纪录减少 58.3%
⚛️
量子比特路由
自研算法较经典方案提效 44.4%
💊
PARP1 候选分子
生成分子模拟评分超过已上市药物奥拉帕利
注：以上为 Hyra-1.0 首批 AI4S 测试结果，混元官方表示目前仍属初步尝试，但已覆盖数学、天文、量子计算、药物设计四大方向。
04姚顺雨亲自招人，要组一支什么样的队伍？
姚顺雨，腾讯混元AI负责人，用这张成绩单向 AI for Science 方向的人才发出邀请。没有详细 JD，只有一句「混元AI4S正在招人了 :)」加一张图。
但仔细看，这张成绩单本身就是最清晰的招聘画像。
Hyra 的运作方式揭示了团队需要什么样的人。它搭建了一个完整的科研循环：Hyra-1.0 负责维护经验、组织实验并根据结果不断迭代；Hy3 提供核心模型能力。Agent 架构、强化学习、上下文学习、自动评估、训练系统、GPU kernel 等方向的人才，是团队的刚需。
但只会造模型还不够。科学研究不是标准化考试。什么问题值得研究，什么指标代表真正进步，模型给出的方案有没有违反领域常识，都需要专业判断。这意味着，混元还需要另一类人：既懂 AI、又懂具体科学问题的交叉型人才。
去年的一份 JD 早已透露端倪：腾讯混元曾招聘大模型数据实习生，方向直接写明了「物化生」。工作内容不只是数据整理，还包括设计学科知识标注规则、分析大学及竞赛级别的复杂科学数据、构建科学领域评估基准。专业要求：物理、化学或生物专业的高年级本科生、硕士和博士。
如今再看，这份旧 JD 几乎就是本次招聘的人才画像预告。只不过，去年的重点还是教大模型解决科学问题，而现在，Hyra 已经带着模型直接进入科研流程。
说白了，混元要招的，已经不再只是传统意义上的大模型算法人才。它想组建的，是一支由 AI 研究员、系统工程师和领域科学家共同组成的「人机科研队伍」。
编辑核心判断
AI 正从辅助工具进化为真正的研究者。当 AI 可以批量尝试人类无暇探索的方向，把成功与失败全部留在经验库中，科学研究的速度就不再只由人类数量决定。关键控制权——什么问题值得研究、什么结果可以相信、AI 可以迭代到什么程度——这些不能只由 AI 自己决定。
▶了解更多
Hyra 解题论文已公开，研究团队同步开放了形式化证明与评估细节。AI for Science 方向的人才可直接关注腾讯混元官方渠道。
论文已公开 arXiv
（论文地址详见混元官方公告）