arXiv cs.AIは8月5日(現地時間)、ボクシウ・リー (Boxiu Li)氏らが長期間にわたる推論（long-horizon reasoning）に対応する汎用エージェント型ランタイム「Argus」を発表したと報じた。Argusは、永続的で自己進化するランタイムとして、Manager、Planner、Engineer、Reviewerといった役割を通じてミッションを実行する。GPT-5.5ベンチマークのSWE-Bench Proにおいて約78%のスコアを達成し、Direct Copilotの59%を上回った。
Argusは、永続的なランタイム状態と制御ポリシーを通じて自己進化するシステムであり、モデルの重みは固定される。ユーザーの意図を運用上の目的、制約、検証基準から分離し、記憶、スキル、手順、検証、ルーティング決定、拒否されたルートを、役割ごとのレビューとタスク固有の検証後にのみ受け入れる。
ベンチマーク結果では、SWE-Bench Proで約78%の成果を上げ、Direct Copilotの59%と比較して、総トークン使用量は1.41倍であった。自己進化後、成熟したSWE-Benchウェーブでは、初期ウェーブと比較して解決入力トークンが21%削減され、タスクあたりのアクティブワークフロー時間が15%短縮された。この過程で、34回の検証器回復と22回の厳密なレビュー・ループ救出が記録されている。
また、ArgusはAARRI-Benchで76.8%を達成し、数学的データ合成においては28.0ポイントの差を示した。GPUカーネルおよび言語モデルトレーニングにおいても競合する結果を得ている。ベンチマーク以外では、最適化されたRWKV6カーネルがアップストリームにマージされ、複数日にわたる数学キャンペーンでは偽造ルートと証拠に裏打ちされたフロンティア更新が保持された。さらに、6つの論文パイプラインが254のミッションを完了し、16回のステージロールバックを伴った。
これらの結果は、固定重みで自己進化するハーネスが、検証済みのアプローチを改訂、回復、蓄積し、将来の教師あり学習や強化学習のための構造化された軌跡を生成しうるとみられる。
参考: arXiv cs.AI (アーカイブ) — 2026年8月6日 02:58 (JST)
原文ハイライト"Argus: A General-Purpose Agentic Runtime for Long-Horizon Reasoning"