Microsoft, SJTU and others open-source Argus, evidence-driven agent runtime for multi-day autonomous research
Microsoft, Shanghai Jiao Tong University, and other institutions have open-sourced Argus, a general-purpose agent inference runtime for long-horizon research tasks, along with a technical report. Designed to be evidence-driven and self-evolving, Argus enables agents to conduct multi-day autonomous research without dense standard feedback, covering 27 campaigns over 1,548 wall-clock hours. The report highlights an average human intervention request every 40.7 hours and a work duty cycle of 95.1%–98.7%, with deliverables across domains such as AI4AI, GPU kernel, model training, AI4Science, chip design, AI4math, and AI4System.
Coverage timeline
机器之心机器之心
从「会执行」到「会掌舵」，长程 Agent 还缺什么？ 在 Agent 快速发展的今天，Harness 已经让大模型触碰到真实世界，能够调用工具、修改代码并运行实验。但当任务从几十分钟延伸到数天，系统仍需要一个人长期守在屏幕前，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足，更是现有 Agent 大多自动化了「执行」，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。人一旦离开，项目也随之停下。并且，在没有密集奖励反馈时，Agent 的执行和反应也会显得迟钝笨拙。 为了解决这一问题，微软、上海交通大学等机构开源了 Argus ，一套面向长周期研究任务的通用 Agent 推理运行时，并发布技术报告。系统通过 证据驱动、自进化、多 Agent 协作、核心与垂域解耦 等设计，让 Agent 在 没有密集标准反馈 的情况下扩展至多领域持续研究数天。 报告覆盖 27 个 Campaign、1,548 小时墙钟时间。平均每 40.7 小时一次主动请求一次人类干预；报告的工作占空比为 95.1%~98.7%。这次 Argus 交付的不只是高分 benchmark，而是一套完整的生产级成果册。团队在 AI4AI、GPU Kernel、模型训练、AI4Science、芯片设计、AI4math、AI4System 等广阔任务上给出了成果，体现了 Argus 的通用性与真实研究级智能。 图 1：Argus 运行时、能力基准与交付结果总览。 论文标题： Argus: Who Drives the Harness for Days? 论文： https://arxiv.org/abs/2608.05144 代码： https://github.com/lbx154/Argus 项目主页： https://argusbot.cn/ 项目成果开源库： https://github.com/Argus-AiTeam 项目数学解题直播：https://open.argusbot.cn/ #counterexample -live 01｜从 Goal-Driven 转向 Evidence-Driven：谁来决定 Agent 的下一步？ 过去两年，Agent 工程的主要进展集中在 Harness：借用自动驾驶的 FSD 作比喻，模型像发动机，Har
