摘要
Argus 面向没有稠密单一分数的长期研究，把每次 mission 的计划、执行、审核与阶段权限分开，并通过持久项目状态承接证据支持的 pivot。它是固定模型、验证门控的 runtime 自进化，不是严格 Agentic RL；现有纵向结果主要是项目方观察性证据，尚未拆出各组件的因果贡献。（来源：原始技术报告记录（本地存档），pp.1-4, 21, 23-24）
核心内容
- Manager、Planner、Engineer、Reviewer 分别拥有阶段、下一任务、实现和完成判定权限；不可逆动作、凭证和公开发布停在人类边界。（来源：原始技术报告记录（本地存档），pp.1-3）
- 记忆、技能、验证器、路由和失败路线只有经任务证据与有权角色审核后才进入持久状态。模型权重不变，后续任务的起点和控制策略会改变。（来源：原始技术报告记录（本地存档），pp.3, 21）
- 报告给出 SWE-Bench Pro、六条论文生产线、数学、芯片和材料等多类证据，同时明确 wave 对比不是随机化消融、论文产出不代表接收或科学新颖性。（来源：原始技术报告记录（本地存档），pp.21, 23-24）
- GitHub preview 仓库为 MIT，包含测试与四类 CI/发布工作流，并支持多种 Agent CLI；但长周期 benchmark 和研究案例未在本次回溯中独立重跑。
相关页面
- 概念：Autoresearch、Harness Engineering、Self-Improving Harness、Agent Failure Localization、Execution-Based Agent Evaluation
- 实体：Argus
- 主题：LLM Agent Self-Improvement、AI Agent Failure Analysis
来源
- 原始文件：原始资料（本地存档）
- arXiv：https://arxiv.org/abs/2608.05144
- alphaXiv：https://www.alphaxiv.org/abs/2608.05144
- preview 仓库：https://github.com/lbx154/Argus
- 正式维护仓库：https://github.com/microsoft/ArgusAgent
- 定位信息：pp.1-4, 21, 23-24；GitHub 快照核实于 2026-09-03
待核实问题
- 需要冻结状态、随机任务顺序和随机 Reviewer 路由的对照实验，分离持久状态、角色权限与审核门的作用。
- 需要独立复现报告中的 benchmark 数字，并验证 preview 与正式仓库长期是否保持等价。