Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
JANUS научился заранее отсеивать слабые исследовательские гипотезы, чтобы не запускать каждый предложенный эксперимент. Работа команды CAS не рецензирована, а числа получили сами авторы: на трёх реальных задачах эффективность по числу экспериментов была в среднем в 3,74 раза выше, чем у Codex. Метрика показывает, как быстро система достигает сопоставимого качества; для долгих запусков это напрямую сокращает число дорогих проб.
Система хранит варианты решения в графе: каждый новый вариант связан с идеями, из которых он вырос. Исследовательский агент предлагает несколько продолжений, а модель мира оценивает ожидаемый прирост качества, пользу новой информации и перспективы дальнейшего поиска. После этого JANUS выбирает вариант для запуска, дорабатывает спорные предложения и удаляет неперспективные ветви.
Результат настоящего эксперимента возвращается в граф и проверяет прежний прогноз. Из удачных и неудачных попыток система выделяет повторно используемые приёмы для исследовательского агента, модели мира и правил их взаимодействия. Поэтому меняются обе стороны: агент предлагает более подходящие гипотезы, а модель точнее решает, на какие из них расходовать вычисления.
На MLS-Bench-Lite JANUS обошёл сравниваемые системы по всем шести метрикам и превзошёл все предоставленные человеческие решения на 43,3% задач. В отдельных проверках удаление модели мира или накопления навыков ухудшало итог на каждой из реальных задач, а фиксированная ставка только на быстрый прирост либо только на исследование уступала адаптивной стратегии.
Проверка охватывала MLS-Bench-Lite, оптимизацию обучения nanoGPT, ускорение механизма внимания MinGPT и прогноз связи генотипа с признаком. На задачу выделяли одну NVIDIA A100 и пять часов, а JANUS сравнивали с MLEvolve, AIBuildAI, Arbor и Codex. Основные опыты провели с DeepSeek-V4 Flash, дополнительные — с DeepSeek-V4 Pro и GPT-5.6 Sol, поэтому результаты описывают исследовательские задачи с исполняемым кодом и измеримым итогом.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
