HyperAgents: 자기참조적 자기개선 에이전트

HyperAgents: Self-referential self-improving agents

📅 2026-03-26 📰 Hacker News (Top) ⬆ 105

요약

Facebook Research의 HyperAgents는 모든 계산 가능한 작업에 대해 자동으로 최적화하는 자기개선 에이전트 시스템입니다. 메타 에이전트가 태스크 에이전트를 반복적으로 개선하는 구조로 설계되었습니다.

핵심 포인트

메타 에이전트가 task 에이전트의 코드를 생성하고 개선하는 자기개선 메커니즘
OpenAI, Anthropic, Gemini 등 여러 기초 모델 지원으로 확장성 확보
생성된 모델 코드 실행으로 인한 보안 위험 존재 - 신뢰할 수 없는 코드 실행 주의 필요

왜 중요한가

에이전트 자체가 다른 에이전트를 설계·개선할 수 있는 메타 수준의 자동화 기술로, 다양한 도메인에서 에이전트 성능을 지속적으로 향상시킬 수 있습니다.

📄 전문 번역

HyperAgents

모든 계산 가능한 작업을 최적화할 수 있는 자기 참조적 자기 개선 에이전트

설치하기

먼저 API 키를 .env 파일에 설정해야 합니다.

OPENAI_API_KEY=...
ANTHROPIC_API_KEY=...
GEMINI_API_KEY=...

그 다음 필요한 패키지들을 설치합니다.

sudo dnf install -y python3.12-devel
sudo dnf install -y graphviz graphviz-devel cmake ninja-build bzip2-devel zlib-devel ncurses-devel libffi-devel

Python 가상 환경을 만들어서 의존성을 설치하세요.

python3.12 -m venv venv_nat
source venv_nat/bin/activate
pip install -r requirements.txt
pip install -r requirements_dev.txt

Docker를 사용하려면 다음 명령어로 이미지를 빌드하면 됩니다.

docker build --network=host -t hyperagents .

초기 에이전트들을 설정합니다.

bash ./setup_initial.sh

HyperAgents 실행하기

메인 진입점인 generate_loop.py 스크립트로 알고리즘을 실행할 수 있습니다.

python generate_loop.py --domains <domain>

기본적으로 결과물은 outputs/ 디렉토리에 저장됩니다. 스크립트의 인자와 기본 설정은 스크립트 자체에서 확인하세요.

파일 구조

agent/ - 기초 모델을 사용하기 위한 코드
analysis/ - 플롯과 분석에 사용되는 스크립트
domains/ - 각 도메인별 코드
utils/ - 저장소 전체에서 사용되는 공통 코드
run_meta_agent.py - 메타 에이전트를 실행하고 diff를 얻기 위한 스크립트
meta_agent.py - 메타 에이전트의 주요 구현
task_agent.py - 태스크 에이전트의 주요 구현
generate_loop.py - 알고리즘 실행을 위한 진입점

실험 로그

실험 로그는 분할된 ZIP 아카이브 형태로 저장됩니다. 추출하려면 .z01, .z02 같은 모든 파일이 .zip 파일과 같은 디렉토리에 있어야 합니다.

zip -s 0 outputs_os_parts.zip --out unsplit_logs.zip
unzip unsplit_outputs.zip

보안 관련 주의사항

⚠️ 경고: 이 저장소는 모델이 생성한 신뢰할 수 없는 코드를 실행합니다. 관련된 보안 위험을 충분히 인식하고 사용하시기 바랍니다.

현재의 설정과 모델을 기준으로 생각할 때 명백하게 악의적인 행동을 할 가능성은 매우 낮습니다. 다만 모델의 능력 부족이나 정렬 문제로 인해 파괴적인 동작을 할 수도 있습니다. 이 저장소를 사용함으로써 여러분은 이러한 위험을 인지하고 수용하는 것입니다.

인용하기

이 프로젝트가 유용하다면 다음과 같이 인용해주세요.

@misc{zhang2026hyperagents,
  title={Hyperagents},
  author={Jenny Zhang and Bingchen Zhao and Wannan Yang and Jakob Foerster and Jeff Clune and Minqi Jiang and Sam Devlin and Tatiana Shavrina},
  year={2026},
  eprint={2603.19461},
  archivePrefix={arXiv},
  primaryClass={cs.AI},
  url={https://arxiv.org/abs/2603.19461},
}

🔗 원문 보기 👍 유용해요