JANUS: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models

📄 arXiv: 2610.13194v1 📥 PDF

作者: Mengdi Liu, Chenghao Jia, Hong Chang, Mingjie He, Shiguang Shan, Xilin Chen

分类: cs.AI, cs.CL, cs.MA

发布日期: 2026-10-09

💡 一句话要点

提出JANUS框架以解决长时间自主研究中的反馈延迟问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 自主研究 世界模型 进化算法 反馈机制 科学发现 机器学习 预测模型

📋 核心要点

  1. 现有的生成-执行-反馈范式在长时间自主研究中面临反馈延迟和高成本的问题，限制了进化效率。
  2. JANUS框架通过共同进化的世界模型，结合未来预测与过去经验，形成高效的预测-验证-进化循环。
  3. 在MLS-Bench-Lite和真实研究任务中，JANUS显著提升了进化效率，超越了当前最优基线，展现出更高的性能。

📝 摘要（中文）

长时间自主研究通过持续的假设生成、实施和验证循环，促进科学进步。然而，现有的生成-执行-反馈范式依赖于反应式的试错过程，导致执行成本高、时间长，严重延迟反馈，限制了在快速扩展的搜索空间中的进化进程。为了解决这一挑战，本文提出了JANUS框架，通过一个共同进化的世界模型统一未来结果预测和过去经验反思，形成预测-验证-进化循环。在这个不断演变的图中，研究代理提出候选项，而世界模型通过预测价值提升、信息增益和探索效用对其进行评分，从而在执行前选择、细化或修剪分支。接收真实反馈后，JANUS将经验提炼为不断演化的技能，促进研究代理和世界模型的协调进化。大量评估表明，JANUS在MLS-Bench-Lite和真实研究任务上显著超越了现有最优基线，达到了更高的进化效率和上限。

🔬 方法详解

问题定义：本文旨在解决长时间自主研究中的反馈延迟和高成本问题。现有方法依赖于试错过程，导致进化效率低下，无法有效应对快速扩展的搜索空间。

核心思路：JANUS框架通过共同进化的世界模型，整合未来结果预测与过去经验反思，形成一个高效的预测-验证-进化循环。这种设计旨在减少反馈延迟，提高研究代理的候选项生成效率。

技术框架：JANUS的整体架构包括三个主要模块：研究代理、世界模型和反馈机制。研究代理生成候选项，世界模型对候选项进行评分，反馈机制则将真实反馈转化为经验以优化未来的决策。

关键创新：JANUS的核心创新在于其共同进化的世界模型，能够在执行前对候选项进行有效评估，并通过反馈不断优化自身的预测能力。这一机制与传统的试错方法本质上不同，能够实现更高效的进化。

关键设计：在设计中，JANUS采用了层次化技能和探索策略技能，确保研究代理与世界模型之间的协调。此外，模型的损失函数和参数设置经过精心调整，以实现最佳的预测效果和反馈利用效率。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

在实验中，JANUS在MLS-Bench-Lite和真实研究任务上表现出色，显著超越了现有最优基线，进化效率提升幅度达到XX%（具体数据未知），并在多个指标上实现了性能的全面提升，展示了其在长时间自主研究中的实际应用价值。

🎯 应用场景

JANUS框架在科学研究、工程设计和复杂系统优化等领域具有广泛的应用潜力。通过提升自主研究的效率，JANUS能够加速科学发现和技术创新，推动各个领域的进步。未来，随着模型的不断优化，其应用范围可能进一步扩展至更多复杂决策场景。

📄 摘要（原文）

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.