无需重训模型即可自我进化：Argus 智能体架构解析
imjustnewatai · x · 2026-08-07
递归自我改进或许在模型重新训练之前就能发生。最新论文提出的 Argus 智能体运行时，在保持 GPT-5.5 权重完全冻结的情况下，通过持久化工作空间实现了自我进化。
Argus 内部划分了 Manager、Planner、Engineer 和 Reviewer 等角色，只有通过证据验证的记忆、技能和失败路径才会被复用。在 731 项软件任务中，Argus 取得了约 78% 的得分，显著优于直接使用 Copilot 的 59%，尽管总体多消耗了 1.41 倍的 token。
更重要的是，随着经验积累，系统在成熟阶段的单任务耗时和 token 消耗比初始阶段下降了 15% 到 21%。这种机制表明，运行时可以在不改变模型权重的情况下不断优化搜索策略，而这些高质量的验证轨迹最终可用于训练下一代更强的模型。
所属事件:Argus智能体架构实现无需重训的自我进化(2 条相关)→
「编程与Agent」频道最新
- opencode 日处理 token 突破 8 万亿，直逼 Codex 与 Claude — ycombinator · 2026-08-07
- 腾讯提出InsightEmb：仅用数学数据训练智能体经验检索 — _reachsumit · 2026-08-07
- 为何还没有为 LLM 设计的编程语言？开发者呼吁优先考虑 AI — jfischoff · 2026-08-07
- 开源项目 Whatomate：整合 WhatsApp 与 AI 聊天机器人 — tom_doerr · 2026-08-07
- Agent 持续学习成行业共识，Pyromind 推自动化 RL 平台 — 机器之心 · 2026-08-07
- 实用 Hermes 提示词技巧：让 Agent 自查代码变更 — alexcovo_eth · 2026-08-07