Microsoft e a Universidade Jiao Tong de Xangai lançam como código aberto o Argus, sistema de pesquisa autônoma de 1548 horas

Do “executar” ao “liderar”, o que falta ao Agente de longo prazo?

Hoje, com o rápido desenvolvimento de agentes, o Harness já permitiu que grandes modelos entrem em contato com o mundo real, podendo chamar ferramentas, modificar código e executar experimentos. No entanto, quando as tarefas se estendem de dezenas de minutos para vários dias, o sistema ainda exige que uma pessoa fique constantemente diante da tela para decidir para onde seguir a seguir.

A chave para esse gargalo não é apenas a limitação da capacidade do modelo, mas sim o fato de que os agentes atuais automatizam principalmente a “execução”, sem realmente automatizar a “direção” acima da execução. O Harness concede ao modelo a capacidade de agir, enquanto os humanos fornecem a tomada de decisão. Assim que o ser humano se ausenta, o projeto para. Além disso, sem feedback de recompensa intenso, a execução e a reação do agente também se tornam lentas e desajeitadas.

Para resolver esse problema, a Microsoft, a Universidade Jiaotong de Xangai e outras instituições lançaram o Argus, um tempo de execução de agente genérico voltado para tarefas de pesquisa de longo prazo, juntamente com um relatório técnico. O sistema permite que agentes se expandam para pesquisas contínuas em múltiplos domínios por vários dias, sem feedback padrão intenso, por meio de design baseado em evidências, autoevolução, colaboração entre múltiplos agentes e desconexão entre núcleo e domínios específicos.

O relatório cobre 27 campanhas e 1.548 horas de tempo real. Uma intervenção humana ativa é solicitada, em média, a cada 40,7 horas; a taxa de utilização do relatório varia entre 95,1% e 98,7%. Esta entrega do Argus não se limita a um alto desempenho em benchmarks, mas apresenta um conjunto completo de resultados produtivos. A equipe apresentou resultados em amplas áreas como AI4AI, GPU Kernel, treinamento de modelos, AI4Science, design de chips, AI4math e AI4System, demonstrando a versatilidade e a inteligência de nível de pesquisa do Argus.

Figura 1: Visão geral do tempo de execução do Argus, benchmarks de capacidade e resultados entregues.

• Título do artigo: Argus: Quem Impulsiona o Aparelho por Dias?
• Artigo: https://arxiv.org/abs/2608.05144
• Código: https://github.com/lbx154/Argus
• Página inicial do projeto: https://argusbot.cn/
• Repositório de código aberto dos resultados do projeto: https://github.com/Argus-AiTeam
• Transmissão ao vivo de resolução de problemas matemáticos do projeto: https://open.argusbot.cn/#counterexample-live

Nos últimos dois anos, o principal avanço na engenharia de Agentes concentrou-se no Harness: usando a analogia do FSD de veículos autônomos, o modelo é como o motor e o Harness é como o sistema de transmissão, mas quem realmente decide para onde o veículo vai continua sendo a pessoa sentada diante da tela. Em tarefas curtas, como estacionamento automático, a própria tarefa ainda fornece feedback claro; já quando a tarefa se estende por vários dias, os problemas de pesquisa geralmente não possuem recompensas estáveis nem objetivos definidos desde o início. Os Agentes atuais revelam assim seu verdadeiro gargalo: eles já sabem executar, mas ainda não conseguem julgar continuamente na incerteza.

Figura 2: O Argus transforma o papel humano do banco do motorista, que impulsiona continuamente, para o passageiro, por meio da pesquisa autônoma implementada pelo auto-research.

A Argus chama de Driver a posição anteriormente não automatizada acima do Harness. Seu objetivo é manter o controle com base em evidências, mesmo quando houver conflito entre o plano e a realidade. Os objetivos escritos no início da pesquisa são apenas hipóteses iniciais em uma fase de informação mínima; se o Agente apenas perseguir cegamente um destino pré-definido, desperdiçando Token repetidamente em objetivos impossíveis, ocorrerá rigidez de objetivo. Já o Evidence-Driven inverte a lógica de controle: o próximo passo é determinado pelas evidências já existentes, e não pelas hipóteses iniciais do plano. Todos os resultados gerados durante a execução são evidências válidas que podem alterar a rota; o sistema é impulsionado precisamente por evidências. Concretamente, o Driver precisa responder repetidamente às seguintes quatro perguntas com base nas evidências atuais:

1. Este trabalho já foi concluído e a qualidade é suficientemente boa?

2. Com base nas evidências atuais, o que mais vale a pena fazer a seguir?

3. Como a experiência obtida neste ciclo deve alterar o comportamento futuro do sistema?

4. As questões restantes envolvem decisões que só humanos podem tomar?

Argus organiza projetos de longo prazo em campanhas persistentes, dividindo-as em uma série de missões com limites bem definidos. Seu ciclo básico é Gerente → Planejador → Engenheiro ⇄ Revisor → Gerente:

Em comparação com o modo /goal do OpenAI Codex, é possível entender mais claramente a orientação de design do Argus. O /goal estende o ciclo único de um agente para um ciclo contínuo com um estado de meta; o Argus, por sua vez, organiza projetos de pesquisa como execuções de longa duração com múltiplos papéis, múltiplos harnesses e capacidade de acumular conhecimento. O primeiro responde à pergunta “como fazer com que o agente não pare”, enquanto o segundo responde à pergunta “após o agente não parar, como ele trabalha de forma eficaz?”. Essa é exatamente a diferença estrutural na camada de execução entre a abordagem orientada por meta e a orientada por evidência.

1. O gerente controla a transição de fases, a aprovação de processos e a estratégia global;

2. O planejador planeja tarefas específicas com base nas evidências atuais;

3. Engenheiro acessa o repositório de código real, experimenta e executa;

4. O revisor analisa os artefatos de forma independente e verifica a inovação e a eficácia, relatando ao gerente ou retornando ao engenheiro.

O foco aqui não é o próprio múltiplo agente, mas sim desconectar os contextos — múltiplos agentes trabalhando em conjunto para evitar que um agente se torne simplesmente um escalador local. Cada agente possui seu próprio contexto exclusivo, mas compartilha um espaço de trabalho comum, evitando que planejamento, execução e verificação sejam todos atribuídos a um único agente, aumentando assim a eficiência de tokens. Por isso, em uma tarefa do Argus, é possível ativar simultaneamente Pi, Codex, Claude Code, DeepSeek Harness Diferentes harnesses garantem alta personalização.

O sistema salva um conjunto completo de artefatos; apenas as experiências que atingem o limiar de evidência serão acessíveis no Wiki e na Skill, e poderão ser reutilizadas em tarefas subsequentes nos escopos Project, Vertical ou Global.

Ao mesmo tempo, o Core e o Vertical permanecem desacoplados: o Core é responsável por permissões de papéis, submissão de evidências e limites humanos; o Vertical, definido por especialistas de domínio, determina o que constitui evidência válida em tarefas de matemática, GPU, materiais, etc., bem como as habilidades e conhecimentos humanos relacionados; o Vertical pode melhorar significativamente a qualidade da entrega de tarefas de pesquisa e fornece uma interface para a coevolução entre especialistas humanos e agentes, bem como para a personalização de fluxos de trabalho.

Figura 3: Mecanismo de execução de longo prazo da Argus. Quatro tipos de papéis giram em torno do estado persistente, e a Campanha pode avançar ou retroceder entre oito fases de pesquisa.

O que realmente determina a viabilidade de um agente de longo prazo é se o tempo pode ser convertido em resultados de pesquisa reais. Menos de um mês após o lançamento aberto do Argus, já realizou contribuições notáveis nas áreas de infraestrutura, materiais, chips, matemática e pesquisa de sistemas de IA. Além disso, somos a primeira equipe a divulgar logs completos de seleção de soluções de conjecturas matemáticas, abrindo todos os registros de sessões e trajetórias de execução. Abaixo está um resumo dos resultados do Argus após seu lançamento aberto:

Figura 4: Pesquisas representativas da Argus, indicadores-chave e critérios de aceitação

Como indicado na tabela acima, o Argus primeiro converteu a operação contínua em entregas reais e aceitáveis no AI4System & Infra, concluindo o primeiro passo da execução automática para a pesquisa autônoma por meio de resultados de engenharia claros; em seguida, a tarefa expandiu-se da infraestrutura de IA para AI4Science, AI4Hardware e AI4Math, com os critérios de avaliação passando de “a tarefa foi concluída?” para “é possível explorar questões de pesquisa reais ainda não resolvidas”, elevando a pesquisa automática da entrega automatizada para a exploração automatizada; com base nisso, o Argus ainda expandiu, na direção AI4AI, de resultados pontuais para fluxos completos de pesquisa, impulsionando continuamente as tarefas com evidências, sem necessidade de intervenção humana constante diante das telas, formando assim uma trajetória progressiva da entrega real, exploração interdisciplinar até a pesquisa autônoma em fluxo completo.

Figura 5: Resultados entregues pelo Argus no processo completo de produção de artigos.

Todos esses resultados foram obtidos em menos de um mês. Ao conectar essas conquistas, a Argus forma uma cadeia de valor que se aprofunda progressivamente: os objetos automatizados expandiram-se de execuções únicas para pesquisas impulsionadas por evidências, acelerando significativamente o progresso da pesquisa — esta é a resposta mais direta à pergunta: “Quem dirige o agente quando a pessoa se afasta da tela?”

A inteligência de longo prazo transforma tokens em inteligência e usa essa inteligência para impulsionar continuamente um projeto de pesquisa, gerando valor real. O Argus organiza modelos anteriormente desconectados em um sistema de pesquisa em funcionamento contínuo, direcionado por Evidence-Driven e aprimorado por autoevolução, transformando experiência em capacidade.

O Argus não mostra apenas um agente com tempo de execução mais longo, mas um novo modo de organizar pesquisas: o Harness resolve como o modelo age, o Driver decide como o sistema continua avançando, e a velocidade da pesquisa não está mais limitada pelo tempo de trabalho e lazer humano. Isso pode significar que uma era de aceleração da pesquisa está prestes a começar. A tela pode ser desligada, mas a pesquisa continua.

Apresentação do autor

Argus é liderado por pesquisadores da Microsoft e da Universidade Jiaotong de Xangai, com a colaboração de pesquisadores de várias universidades.

Este artigo é do canal do WeChat "Machine Heart"