Argus: агентный рантайм, который сам эволюционирует, не трогая веса модели
Argus: агентный рантайм, который сам эволюционирует, не трогая веса модели Исследователи представили Argus — постоянный самоэволюционирующий runtime для длинных рассуждений AI-агентов. На SWE-Bench Pro он показал около 78 % против 59 % у прямого подхода в стиле Copilot, используя при этом всего в 1,41 раза больше токенов. Argus работает через четыре роли: Manager, Planner, Engineer и Reviewer. Они выполняют ограниченные миссии поверх устойчивого состояния проекта. Веса модели остаются фиксированными — эволюция идёт только через runtime-состояние, политики и верификацию. После «созревания» система тратит на 21 % меньше токенов и на 15 % меньше времени на задачу. В реальных экспериментах Argus оптимизировал ядро RWKV6 (его приняли upstream), провёл многодневную математическую кампанию с сохранением опровергнутых маршрутов и завершил 254 миссии по шести научным статьям. Интересно, насколько быстро такие «жёсткие» harness-системы с ролями и обязательной верификацией станут стандартом для длинных агентных задач? Источники: https://arxiv.org/abs/2608.05144 #AI #AgenticAI #Argus #SWEBench #LongHorizon #AIAgents