Ouroboros: A Self-Developing Frontier Coding Agent with Reviewed Core Evolution

We present Ouroboros, a self-developing agent harness whose tools, prompts, context assembly, and core implementation improve through reviewed commits that become the runtime for later work. Core evolution proceeds in two modes. In recursive free evolution, improvement is itself a task, and completing one evolution cycle can schedule the next. In experience-driven core evolution, ordinary work and social interaction expose bugs, rough edges, and inefficient context construction that lead to reviewed structural changes. On Terminal-Bench 2.1, an Opus 5 run scores 86.74%, the best result reported on the benchmark. On OSWorld-Verified, an Opus 5 run reaches 90.69%, exceeding the best previously reported score. A five-rollout CL-Bench campaign achieves a normalized reward of 0.2301, setting a new state of the art. Hope is the longest-running publicly documented Ouroboros deployment. It is a 161-day living agent experiment in free evolution under governed human communication across seven surfaces. Human interaction surfaces faults and generates proposals, but the agent decides which changes to pursue. Because a self-developing agent may rewrite its own code and select new model APIs, operational safety becomes a primary design problem: guardrails must remain authoritative under evolutionary and public social pressure. Benchmark campaigns use frozen system snapshots, while Hope continues live evolution on a separate lineage.

한 줄 요약

Ouroboros는 자체 개선을 통해 코딩 에이전트 성능을 향상시키는 시스템으로, Terminal-Bench 2.1에서 86.74%를 달성했다.

핵심 기여도

**Recursive free evolution**과 **experience-driven core evolution** 두 가지 모드를 통해 시스템 스스로 개선.
**Terminal-Bench 2.1**에서 Opus 5 실행으로 86.74% (트레이잭토리 감사 후 86.97%) 달성, 최고 기록.
**OSWorld-Verified**에서 90.69% 기록, 기존 최고 점수 초과.
**CL-Bench**에서 5회 롤아웃으로 정규화된 보상 0.2301 달성, 신기록 수립.

핵심 아이디어

Ouroboros는 기존 에이전트 허네스가 고정된 반면, 스스로 개선하는 허네스를 제시한다. 핵심 아이디어는 **"자체 개선을 자체 작업으로 삼는 시스템"**이다. Recursive free evolution은 개선을 작업으로 간주하여, 한 번의 개선이 다음 개선을 트리거한다. Experience-driven core evolution은 실제 작업과 사용자 피드백을 통해 버그와 비효율성을 파악하고, 이를 리뷰된 커밋으로 반영한다. 이는 **context assembly**, **tool invocation**, **prompt engineering** 등 핵심 모듈의 지속적 개선을 가능하게 한다.

기술적 접근법

**Recursive free evolution**: 개선 작업을 자체적으로 생성하고 실행.
**Experience-driven core evolution**: 작업 수행 중 발생한 오류와 피드백을 기반으로 리뷰된 커밋 생성.
**Opus 5** 모델 사용.
**Terminal-Bench 2.1**, **OSWorld-Verified**, **CL-Bench** 벤치마크에서 성능 평가.
**Hope**는 161일 동안 7개의 인터페이스에서 자유 진화 실험을 진행한 라이브 에이전트.
**Frozen system snapshots**를 사용한 벤치마크와 별도로, **live evolution**이 이루어짐.

주요 결과

**Terminal-Bench 2.1**에서 Opus 5 실행으로 86.74% (트레이잭토리 감사 후 86.97%) 달성.
**OSWorld-Verified**에서 90.69% 기록, 기존 최고 점수를 1.69%포인트 상회.
**CL-Bench**에서 5회 롤아웃으로 정규화된 보상 0.2301 달성, 기존 최고 기록 경신.
**Hope**는 161일 동안 라이브 진화를 유지하며, 사용자 피드백을 기반으로 자체 개선.

의의 및 한계

Ouroboros는 에이전트 허네스가 고정된 정책이 아닌, **진화하는 객체**로 설계될 수 있음을 보여준다. 특히, **리뷰된 커밋**을 통해 안전하면서도 지속적인 개선이 가능하다는 점에서 학술적·실용적 가치가 있다. 그러나 **자체 코드 재작성**과 **모델 API 선택**은 운영 안전성 문제를 야기할 수 있으며, 이에 대한 **권한 경계 설정**이 필수적이다. 또한, **Benchmark campaigns**는 고정된 시스템 스냅샷을 사용하지만, **Hope**는 별도 라인리지에서 라이브 진화를 진행하므로, 장기적 안정성 검증이 필요하다.

실용적 활용

Ouroboros는 **자율 시스템 개발**, **사용자 피드백 기반의 지속적 개선**, **AI 에이전트 운영 안전성 설계** 등에 활용 가능하다. 특히, **소프트웨어 개발**, **고객 지원**, **자동화 작업** 분야에서 라이브 진화를 통해 지속적인 성능 향상과 안정성을 유지할 수 있다.