解决20年数学难题！微软开源Argus用证据驱动1548幼时自动钻研

在 Agent 急剧发展的今天，Harness 已经让大模型触际遇真实世界，可能挪用工具、批改代码并运行尝试。但当工作从几极度钟延长到数天，系统仍必要一幼我持久守在屏幕前，判断下一步往哪里走。 造成这一瓶颈的关键，并不只是模型能力不及，更是现有 Agent 大多自动化了「执杏坠，却没有真正自动化执行之上的「驾驶」。Harness 赋予模型行动的能力，人类赋予模型决策。人一旦脱离，项目也随之停下。并且，在没有密集嘉奖反馈时，Agent 的执行和反映也会显得痴钝工巧。 为相识决这一问题，微软、上海交通大学等机构开源了Argus，一套面向长周期钻研工作的通用 Agent 推理运行时，并颁布技术汇报。系统通过证据驱动、自进化、多 Agent 合作、主题与垂域解耦等设计，让 Agent 在没有密集尺度反馈的情况下扩大至多领域持续钻研数天。 汇报覆盖 27 个 Campaign、1,548 幼时墙钟功夫。均匀每 40.7 幼时一次自动要求一次人类过问；汇报的工作占空比为 95.1%~98.7%。这次 Argus 交付的不只是高分 benchmark，而是一套齐全的出产级成就册。团队在 AI4AI、GPU Kernel、模型训练、AI4Science、芯片设计、AI4math、AI4System 等辽阔工作上给出了成就，体现了 Argus 的通用性与真实钻研级智能。 从前两年，Agent 工程的重要进展集中在 Harness：借用自动驾驶的 FSD 作迸作，模型像发起机，Harness 像传动系统，但真正决定车辆驶向哪里的，仍是坐在屏幕前的人。短工作中，就像通常的自动停车，工作自身还能提供明确反；一旦工作延长到数天，钻研问题往往既没有不变的嘉奖，也没有从一路头就界说明显的指标。现有 Agent 由此露出出真正瓶颈：它们已经会执行，却还不会在不确定性中持续判断。 Argus 将 Harness 上方这个此前没有被自动化的地位称为 Driver。它要做的是在打算与现实矛盾时，仍能凭据证据持续掌舵。钻研起头时写下的指标，只是信息至少阶段的初始如果；若是 Agent 只能 Goal-Driven 地追赶预设终点，甚至在不成能的指标上反复浪费 Token，就会造成指标僵化。而 Evidence-Driven 则把节造逻辑倒转过来：下一步由已有证据决定，而不是由打算最初的如果决定。运行中的所有了局，都是会扭转路线的有效证据；系统正是用证据驱动。具体而言，Driver 必要凭据当前证据反复回覆以下四个问题： 以 OpenAI Codex 的 /goal 模式为参照，能够更明显地定位 Argus 的设计取向。/goal 是把一个 agent 的单轮循环拉长为带有 goal state 的悠久循环；Argus 则是把钻研项目组织为多角色、多 harness、可沉淀知识的长程运行时。前者回覆「怎么让 agent 一向下来」，后者回覆「agent 一向下来后，怎么有效工作」。这正是从 Goal-Driven 转向 Evidence-Driven 在运行时层面对应的结构差距。 这里的沉点不是多角色自身，而是拆开高低文 —— 多个角色相互共同，来预防 agent 造成单一的部门登山器，每个角色占有自己的独有高低文但是共享工作区，不至于将规划、执杏注验证全数交给一个 agent 来实现，能够提高 token 效能。也正因而，能够在 Argus 的一个工作中，同时启用 Pi, Codex, Claude Code, DeepSeek Harness 等分歧的 harness，保障了高度客造化。 与此同时，Core 与 Vertical 维持解耦：Core 掌管角色权限、证据提交和人类天堑，Vertical 由领域专家界说数学、GPU、资料等工作中什么才算有效证据以及有关的人类 skill 和知识；Vertical 能够显著提高钻研工作交付质量，同样为人类专家与 agent 协同进化，客造化工作流程，提供了接口。 真正决定长程 Agent 是否成立的，是功夫能否转化为真实的钻研成就。Argus 开源后不到一个月，已经在基础设施、资料、芯片、数学和 AI 系统钻研中做出卓越贡献，同时我们是首个颁布齐全端到端数学猜测解决筛选日志的团队，将所有的运行轨迹 session 等均盛开，以下为 Argus 开源后各项成就的汇总： 如上表所示，Argus 首先在 AI4System & Infra 中独霸续运行转化为可验收的真实交付，以明确的工程了局实现从自动执行迈向自主钻研的第一步；随后，工作从 AI 基础设施延长到 AI4Science、AI4Hardware、AI4Math，评价尺度也随之从 “是否实现既定工作” 转向 “能否索求悬而未决的现实钻研问题”，自动钻研因而由自动化交付进一步推动到自动化索求；在此基础上，Argus 又在 AI4AI 方向从单点成就扩大至齐全钻研流程，以证据持续驱动工作推动，无需人类始终守在屏幕前，由此形成一条从真实交付、跨领域索求到全流程自主钻研的递进蹊径。 以上了局均在 1 个月内获得，把这些成就串起来，Argus 是一条逐步加深的价值链：自动化的对象由一次执行扩大为证据驱动的钻研推动，大大加快钻研进展，这也是「人脱离屏幕后，谁来驾驶 Agent」最直接的回覆。 长程智能是让 Token 转化为智能，再用智能把一个钻研项目持续推动，产生现实价值。Argus 将正本彼此割裂的模型挪用组织成一套持续运行的钻研系统，让 Evidence-Driven 节造方向，再通过自进化把经验沉淀为能力。 Argus 展示的不只是一个更长功夫运行的 Agent，而是一种新的钻研组织方式：Harness 解决模型若何行动，Driver 决定系统若何持续前进，钻研速度不再受造于人类的工作娱乐师夫。这可能意味着钻研的加快时期在到来。屏幕能够熄灭，钻研仍在持续。