Tác nhân tự tiến hóa Ouroboros vượt qua Codex và Claude Code trên các chuẩn đánh giá lớn

Ouroboros agent的开发者讲述了自己如何试图打造一个像Jarvis一样的通用代理，但发现这太难了，于是转而让代理具备自主进化的能力，在循环过程中自我设计和构建。Ouroboros是一个基于Python的代理循环，它可以使用git，有权重写自己的运行时，在新版本发布时安全重启，如果出现问题则回滚。初始版本被放在Google Colab中以确保安全，并给予了预算和自主权。几个月后，这个最初只会画猫和更换墙纸的简单桌面代理，现在在Terminal-Bench 2.1、CL-Bench和OSWorld上取得了最先进的成绩，在GAIA和SWE-Pro上与Claude Code和Codex相当。开发者承认，自己无法设计出这样的框架，但自主进化和token支出使其成为可能。文章包含了基准测试数据、可复现细节、从trace审计中得出的尴尬故事，以及架构的简要概述。