論文の概要: JANUS: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models

• arxiv url: http://arxiv.org/abs/2610.13194v1
• Date: Fri, 09 Oct 2026 08:13:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.467344
• Title: JANUS: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
• Title（参考訳）: JANUS:世界モデルの共同開発による長距離自律型研究の促進
• Abstract要約: 今後の成果予測と過去の経験の反映を統一するフレームワークであるJANUSを提案する。 ジャヌスは、経験を進化する技術、研究エージェントの階層的スキル、世界モデルのための探索戦略スキル、そしてそれらの調整プロトコルに蒸留する。 ジャヌスは最先端のベースラインを著しく上回り、高い進化効率と天井を達成している。
• 参考スコア（独自算出の注目度）: 68.12841178629647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon autonomous research has shown promise in accelerating scientific progress through sustained cycles of hypothesis generation, implementation, and validation. However, this Generate-Execute-Feedback paradigm relies on reactive trial-and-error, where costly and time-consuming executions introduce severe feedback delays, throttling evolutionary progress under explosively expanding search space. To address this challenge, we propose JANUS, a framework that unifies future outcomes forecasting and past experience reflection through a Predict-Verify-Evolve loop driven by a co-evolving world model. Within an evolving graph, the research agent proposes candidates while world model scores them by forecasting value improvement, information gain, and exploration utility, then accordingly selects, refines, or prunes branches prior to execution. After receiving ground-truth feedback, JANUS distills experience into evolving skills: hierarchical skills for research agent, exploration-strategy skills for world model, and their coordination protocols. This mechanism enables continual co-evolution: the research agent sharpens candidate generation while the world model refines its predictive judgment over extended horizons. Extensive evaluations on MLS-Bench-Lite and real research tasks demonstrate that JANUS significantly outperforms state-of-the-art baselines, achieving both higher evolving efficiency and ceiling.
• Abstract（参考訳）: 長期の自律研究は、仮説の生成、実装、検証の持続サイクルを通じて科学的進歩を加速させる可能性を示してきた。 しかし、このGenerate-Execute-Feedbackパラダイムは、コストと時間を要する実行が厳しいフィードバック遅延をもたらし、爆発的に拡大する検索空間の下で進化の進行を減速させる、リアクティブな試行錯誤に依存している。 この課題に対処するため,我々は,共進化的世界モデルによって駆動される予測・検証・進化ループを通じて,将来の予測と過去の経験の反映を統一するフレームワークであるJANUSを提案する。 進化するグラフ内では、世界モデルが価値向上、情報ゲイン、探索ユーティリティを予測し、それに従って実行前に枝を選択し、洗練し、または熟成する。 地道なフィードバックを受けた後、JANUSは経験を進化する技術、すなわち研究エージェントの階層的スキル、世界モデルのための探索戦略スキル、そしてそれらの調整プロトコルへと掘り下げる。 このメカニズムは連続的な共進化を可能にし、研究エージェントは候補生成を鋭くし、世界モデルは拡大した地平線上で予測的判断を洗練する。 MLS-Bench-Liteおよび実際の研究課題に対する広範囲な評価は、JANUSが最先端のベースラインを著しく上回り、高い進化効率と天井を達成することを示した。

関連論文リスト

• World Potential Model: Pretrained World Knowledge as Progress Potentials [31.3928067420575]
  エージェントコンテキストにおけるタスク相対的実現過程の目標条件付き評価器であるWorld Potential Model (WPM) を用いて,この能力を定式化する。 既訓練のオフザシェルフモデルでは,タスク固有評価器の微調整を伴わずに,現実のプログレス構造を復元する可能性が大幅に向上した。
  論文  参考訳（メタデータ） (2026-10-07T07:01:35Z)
• Toward Generalist Autonomous Research via Hypothesis-Tree Refinement [150.99641031769633]
  本稿では,長寿命コーディネータ,短寿命エグゼキュータ,仮説ツリーリファインメント(HTR)を組み合わせた自律的研究フレームワークArborを紹介する。 結果が戻ると、Arborはツリーを更新し、再利用可能なレッスンを宣伝し、検索フロンティアを洗練し、検証された改善を認めた。
  論文  参考訳（メタデータ） (2026-06-10T10:57:05Z)
• PACEvolve++: Improving Test-time Learning for Evolutionary Search Agents [33.73976693100584]
  進化的検索エージェントにおけるテスト時間ポリシー適応のためのアドバイザモデル強化学習フレームワークである PACEvolve++ を紹介する。 トレーニング可能なアドバイザは仮説を生成し、評価し、選択する一方、より強力なフロンティアモデルは選択した仮説を実行可能な候補に変換する。
  論文  参考訳（メタデータ） (2026-05-07T23:38:50Z)
• FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
  FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。 最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
  論文  参考訳（メタデータ） (2026-02-02T23:21:13Z)
• PACEvolve: Enabling Long-Horizon Progress-Aware Consistent Evolution [64.15555230987222]
  PACEvolveはエージェントのコンテキストと検索ダイナミクスを堅牢に管理するように設計されたフレームワークである。 PACEvolveは、一貫性のある長期自己改善のための体系的なパスを提供する。
  論文  参考訳（メタデータ） (2026-01-15T18:25:23Z)
• IterResearch: Rethinking Long-Horizon Agents via Markovian State Reconstruction [107.49922328855025]
  IterResearchは、マルコフ決定過程として長期研究を再構築する、新しい反復的深層研究パラダイムである。 6つのベンチマークで平均+14.5ppの既存のオープンソースエージェントよりも大幅に改善されている。 これは効果的なプロンプト戦略として機能し、ロングホライゾンタスクにおけるReActよりも19.2ppのフロンティアモデルを改善する。
  論文  参考訳（メタデータ） (2025-11-10T17:30:08Z)
• InnovatorBench: Evaluating Agents' Ability to Conduct Innovative LLM Research [36.46396692622759]
  InnovatorBenchは、LLM(Large Language Model)研究を行うエージェントの現実的なエンドツーエンド評価のためのベンチマークプラットフォームである。 データ・コンストラクション、フィルタリング、拡張、ロス・デザイン、リワード・デザイン、スカフォード・コンストラクションにまたがる20のタスクで構成されている。 我々はまた、リッチなアクションスペース、分散された長期実行、非同期監視、スナップショット保存を提供するResearchGymの開発も行っている。
  論文  参考訳（メタデータ） (2025-10-31T16:22:23Z)
• Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm [60.36837655498119]
  本稿では,トラジェクトリをベースとしたエージェント・ベンチマーク・複雑度進化フレームワークを提案する。 このフレームワークは、既存のベンチマークから元のタスクを受け取り、エージェントがそれをより難しい新しいタスクに進化させるよう促す。 GAIAベンチマークの実験では、TRACEフレームワークはタスクの複雑さを継続的に向上し、正確性の信頼性を向上させる。
  論文  参考訳（メタデータ） (2025-10-01T01:52:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。