장기 추론 (Long-horizon reasoning)에는 현재의 접근 방식이 증거에 의해 뒷받침될 때는 지속되고, 측정 결과 실패, 숨겨진 제약 조건 또는 잘못 지정된 목표가 드러날 때는 전환할 수 있는 에이전트 런타임 (agentic runtime)이 필요합니다. 우리는 Manager, Planner, Engineer, 그리고 Reviewer가 내구성이 있는 프로젝트 상태 (durable project state) 위에서 제한된 미션 (bounded missions)을 수행하는 지속적이고 자기 진화하는 (self-evolving) 런타임인 Argus를 제시합니다. Argus는 안정적인 사용자 의도 (user intent)를 운영 목표 (operational objectives), 제약 조건 (constraints), 그리고 검증 기준 (verification criteria)과 분리하며, 역할 소유의 검토 (role-owned review)와 (가능한 경우) 작업 네이티브 검증 (task-native verification)을 거친 후에만 메모리 (memories), 기술 (skills), 절차 (procedures), 검증기 (verifiers), 라우팅 결정 (routing decisions), 그리고 거부된 경로 (rejected routes)를 수용합니다. 모델 가중치 (Model weights)는 고정된 상태로 유지되며, 자기 진화 (self-evolution)는 지속적인 런타임 상태 (runtime state)와 제어 정책 (control policy)을 통해 발생하며, 운영자 소유의 에스컬레이션 지점 (escalation points) 사이에서 자율적인 실행이 이루어집니다. 7개의 GPT-5.5 벤치마크 아레나 (benchmark arenas) 전반에서, Argus는 총 토큰을 1.41배 사용하면서도 SWE-Bench Pro에서 Direct Copilot의 59% 대비 약 78%를 달성했습니다. 검증 게이트가 적용된 자기 진화 (verification-gated self-evolution) 이후, 성숙한 SWE-Bench 웨이브 (waves)는 스타트업 웨이브 (startup waves)보다 작업당 해결 입력 토큰 (solve-input tokens)을 21% 적게 사용하고 활성 워크플로 시간 (active workflow time)을 15% 적게 사용하면서, 34회의 검증기 회복 (verifier recoveries)과 22회의 엄격한 리뷰 루프 구조 (strict review-loop rescues)를 기록했습니다. Argus는 또한 AARRI-Bench에서 76.8%에 도달했으며, 수학적 데이터 합성 (mathematical data synthesis)에서 28.0포인트의 격차를 보였고, 경쟁력 있는 GPU 커널 (GPU-kernel) 및 언어 모델 학습 (language-model-training) 결과를 나타냈습니다. 벤치마크를 넘어, 최적화된 RWKV6 커널이 업스트림 (upstream)에 병합되었으며, 수일간의 수학 캠페인은 허위 경로 (falsified routes)와 증명 기반의 프런티어 업데이트 (proof-backed frontier updates)를 유지했습니다. 또한 6개의 논문 파이프라인 (paper pipelines)은 16회의 단계 롤백 (stage rollbacks)과 함께 254개의 미션을 완료했습니다. 이러한 결과는 고정된 가중치를 가진 자기 진화형 하네스 (self-evolving harness)가 미래의 지도 학습 (supervised learning) 및 강화 학습 (reinforcement learning)을 위한 구조화된 궤적 (structured trajectories)을 생성하는 동시에, 검증된 접근 방식을 수정, 회복 및 축적할 수 있음을 보여줍니다.