Ouroboros：自我进化的前沿编码智能体，刷新多项基准

我们提出Ouroboros，一个自我发展的智能体框架，其工具、提示、上下文组装和核心实现通过经过审查的提交来改进，这些提交成为后续工作的运行时。核心演进以两种模式进行。在递归自由演进中，改进本身就是一个任务，完成一个演进周期可以安排下一个。在经验驱动的核心演进中，普通工作和社交互动暴露出的错误、粗糙边缘和低效的上下文构建，导致经过审查的结构性变更。 在Terminal-Bench 2.1上，Opus 5运行得分86.74%，是该基准上报告的最佳结果。在OSWorld-Verified上，Opus 5运行达到90.69%，超过了之前报告的最佳分数。一次五次rollout的CL-Bench活动实现了0.2301的归一化奖励，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。这是一个为期161天的活体智能体实验，在受治理的人类通信下进行自由演进，跨越七个表面。人类交互暴露故障并生成提案，但智能体决定追求哪些变更。由于自我发展的智能体可能重写自己的代码并选择新的模型API，操作安全成为首要设计问题：护栏必须在演进和公共社会压力下保持权威。基准测试活动使用冻结的系统快照，而Hope在单独的血统上继续实时演进。