Ouroboros：自我开发的前沿 编码智能体 以及经过审查的核心演变

我们推出 Ouroboros，一个自我开发的代理工具，其工具、提示、上下文组装和核心实现通过经过审查的提交得到改进，这些提交成为以后工作的运行时。核心进化以两种模式进行。在递归自由进化中，改进本身就是一项任务，完成一个进化周期可以安排下一个进化周期。在体验驱动的核心演化中，日常工作和社交互动会暴露错误、粗糙边缘和低效的上下文构建，从而导致审查的结构变化。在 Terminal-Bench 2.1 上，Opus 5 的运行得分为 86.74%，是基准测试中报告的最佳结果。在 OSWorld-Verified 上，Opus 5 的运行率达到 90.69%，超过了之前报告的最佳分数。五条执行轨迹的 CL-Bench 活动获得了 0.2301 的标准化奖励，创下了新的最先进水平。 Hope 是运行时间最长的公开记录的 Ouroboros 部署。这是一项为期 161 天的活体实验，在七个表面上受控的人类交流下进行自由进化。人机交互会暴露错误并产生建议，但代理决定要进行哪些更改。由于自主开发的代理可能会重写自己的代码并选择新的模型 API，因此操作安全性成为主要的设计问题：护栏必须在进化和公共社会压力下保持权威。基准活动使用冻结的系统快照，而 Hope 继续在单独的谱系上进行实时演化。