注目★★★★★Hugging Face Papers
Ouroboros：自己進化する AI コーディングエージェント、Terminal-Bench で最高得点達成
30秒で把握
- 1Ouroboros が複数ベンチで新記録達成：Terminal-Bench 86.74%、OSWorld-Verified 90.69%、CL-Bench 0.2301
- 2自由進化と経験駆動進化で自身の実装を改善・レビュー済みコミットが次の実行基盤に
- 3161 日間の実運用実験 Hope で安全性ガードレール維持が進化型エージェント設計の主要課題と判明
要約
Ouroboros は自身のツール・プロンプト・実装を自動で改善するコーディングエージェントである。自由進化と経験駆動進化の 2 つのモードで、レビュー済みのコミットが次の実行時の基盤となる。Terminal-Bench 2.1 で Opus 5 が 86.74% を達成し過去最高となり、OSWorld-Verified で 90.69% に到達、CL-Bench で新たなアートの状態 (0.2301) を記録した。161 日間の実運用実験 Hope では、人間の対話を通じて発生した不具合や効率性の問題が構造的改善につながり、セキュリティガードレールの維持が進化型エージェントの設計上の主要課題として浮上した。
あなたへの影響
コード生成ベンチマークで複数の新記録を達成し、自動改善メカニズムが実際に機能することを実証した。
推奨：自己改善型エージェントの導入を検討するチームは、このモデルのセキュリティ・ガードレール設計と長期進化下での安定性を参考にする価値がある。