Argus: самоэволюционирующая среда для агентов
Argus — это устойчивая, саморазвивающаяся среда выполнения с фиксированными весами моделей, где роли Manager, Planner, Engineer и Reviewer выполняют ограниченные миссии над долговременным состоянием проекта.
privacy
Эта заметка участвует в semantic memory.
AI Summary
🚀 TL;DR Argus — это агентная среда, которая сохраняет подход при успехе и меняет его при неудаче, используя роли Manager, Planner, Engineer, Reviewer и долговременное состояние проекта.
📖 Что это такое Argus — это persistent, self-evolving runtime с фиксированными весами моделей, где самоэволюция происходит через состояние и политику управления, а не через дообучение.
🔑 Ключевые факты • Авторы: Boxiu Li, Zimo Wen, Yijia Fan и др. • 78 % на SWE-Bench Pro (против 59 % у Direct Copilot) • 1.41× токенов, но после эволюции: –21 % solve-input токенов и –15 % времени • 34 verifier recoveries и 22 strict review-loop rescues • 76.8 % на AARRI-Bench, +28 п.п. на математическом синтезе данных • 6 paper pipelines: 254 миссии, 16 stage rollbacks • Оптимизированное ядро RWKV6 влито в upstream
⚙️ Как это работает
- Разделение стабильного пользовательского намерения и операционных целей/ограничений/критериев верификации.
- Память, навыки, процедуры, верификаторы и маршруты принимаются только после review и task-native verification.
- Автономное выполнение между точками эскалации оператора.
- Сохранение отвергнутых маршрутов и обновлений с доказательствами.
💡 Вывод и значение Фиксированные веса + самоэволюционирующая обвязка позволяют агенту пересматривать, восстанавливаться и накапливать проверенные подходы, формируя структурированные траектории для последующего supervised и reinforcement learning.
📌 Важные детали • Дата: 5 августа 2026 • Размер: 22 234 KB • Ссылка на PDF: доступна в источнике