Project2Task：面向自主研究的图引导项目级规划
Project2Task: Graph-Guided Project-Level Planning for Autonomous Research

现有的研究agent系统大多把整个研究项目当作一个超大任务来处理，或者生成一堆模糊、彼此重叠的扁平任务列表，把任务边界和执行顺序的协调完全留给人工。但一个真实的研究项目本质上是一个长时程议程（long-horizon agenda），需要通过多个目标不同但相关、存在并行备选方案、且有依赖顺序的有界任务来推进，现有方法缺少对这种项目级结构的显式建模。

给定一份项目简报，Project2Task 将候选贡献表示为"创新原子"（innovation atoms），并将它们组织进一个有向谱系图（directed lineage graph）。一个轻量的 Bernoulli 块模型目标函数在水平、垂直和混合三种组合方式之间，为项目选择合适的任务组合方案（portfolio decomposition）。随后，Project2Task 生成带有明确贡献归属的有界任务，修复任务间的重叠与缺失的执行字段，并输出依赖感知的任务契约（task contracts）——每份契约明确指定目标、输入、预期产出物、评估要求、边界约束、依赖关系与执行顺序。这些契约与具体的下游研究执行器无关，可以支持把各任务的产出整合为连贯的项目级成果。

在一个由10份项目简报（约产生30个任务）构成的基准上，基于稿件的组合方案评估显示，Project2Task 的平均质量得分为 7.15，相比之下"简报基线"（Brief Baseline）为 4.58，"仅主题设置"（Topic-only Setting）为 5.31。将 Project2Task 生成的任务契约与 AutoResearchClaw 集成后，下游任务的平均执行准确率从 0.536 提升到 0.759。

这篇论文解决的是一个相对独立、务实的问题：如何把"做一个研究项目"这种模糊、长时程的目标，转换成机器可执行的有依赖关系的任务契约。它与你核心关注的duplex/全双工实时交互关联不大——Project2Task面对的是分钟到天级别的长时程离线规划，不涉及实时响应或turn-taking，因此更适合归入"agent规划/多任务编排"这一更广泛的架构话题而非直接相关工作。从纯粹的agent架构角度看，"创新原子+有向谱系图+Bernoulli块模型选择分解方式"这套设计思路，本质上是把项目管理中的WBS（工作分解结构）用一种概率图模型自动化了，质量分从4.58/5.31提到7.15、下游准确率从0.536提到0.759的提升幅度看起来可观，但论文样本量较小（10个项目简报、约30个任务），且"质量分"这类基于稿件的主观评估标准是否稳健、评估者是否为LLM本身，摘要中未说明，这类自动化项目规划评测目前普遍存在的评估可靠性问题，在这篇论文里也需要打一个问号。