Argus：面向长时程推理的通用智能体运行时

Argus 是一个面向长时程推理的通用智能体运行时，通过持续自我进化的运行时状态和控制策略，在固定模型权重下完成长期任务。在 SWE-Bench Pro 上达到约 78% 的准确率，相比 Direct Copilot 的 59%，使用 1.41 倍的总 token 数。经验证门控的自我进化后，成熟任务比启动阶段减少 21% 的解决输入 token 和 15% 的活跃工作时间，并记录了 34 次验证器恢复和 22 次严格审查循环挽救。

此前智能体通常依赖模型微调或上下文窗口处理长期任务，而 Argus 展示了通过持久化运行时状态和控制策略实现自我进化，无需更新模型权重。其通过验证门控的自我进化机制，显著提升任务准确率并降低后续任务的消耗，为智能体在真实复杂任务中的应用提供了新范式。

Argus 通过将稳定用户意图与操作目标、约束和验证标准分离，由经理、规划者、工程师和审核者角色在持久项目状态下执行有界任务。所有记忆、技能、程序和验证器都需经过角色所属的审查和任务原生验证后才被采用。自我进化通过运行时状态和控制策略实现，固定模型权重，在运营者控制的升级点之间自主执行，从而在长期任务中适应和优化。

Argus 表明智能体系统可通过运行时自我进化显著提升长周期任务（如软件开发、数学研究）的效率和成功率，同时降低后续任务的资源消耗。对于依赖智能体的产品，可借此优化资源分配，减少重复劳动，提升复杂任务自主完成能力。但需注意初始 token 消耗较高（1.41 倍），可能影响成本。

• 在长周期开发任务中集成 Argus 类似的验证门控自我进化机制，减少重复操作，提升效率。
• 优化智能体运行时状态管理，降低高 token 消耗，控制成本。
• 将 Argus 的经理/规划者/工程师/审核者角色模式应用于复杂业务流程自动化，提升任务成功率。

• Argus 对短期任务或简单场景的适用性及效率表现如何？
• Argus 的自我进化机制在跨领域任务中的泛化能力是否依然有效？
• Argus 的 token 消耗和运行时间成本是否在可接受商业范围内？