我们构建了基于Harness的架构。

本研究介绍了Argus，一个通用的智能体运行时，专为系统探索下一代自主研究系统而构建。Argus不仅仅是让智能体在单个任务中多次反思，而是针对一个关键问题：智能体能否通过利用持久记忆、外部验证和积累的经验，实现持续学习、适应和自我进化，以进行长期自主操作，而无需不断更新模型权重？在持久性、验证引导和自我进化机制的驱动下，Argus跨会话存储已验证的知识、技能、验证器、失败轨迹和决策洞察。它根据新证据自主决定持久化、回滚或转向，并在大部分时间里无人运行，同时在关键决策点保留人工在环反馈。Argus高度可插拔、可扩展和可部署，允许自由替换模型、工具、记忆模块和工作流。用户可以将领域特定的专业知识封装成垂直应用，并部署在云、本地或私有基础设施上。基于专家-智能体协同进化，专家设定目标和评估标准，而智能体进行探索、执行和验证，使专业人员和专门智能体能够协作推进研究。