Sakana AI 提出 MASS 多智能体自监督方法，探索递归自我改进
Sakana AI 发布 Multi-Agent Self-Supervision（MASS），让一个共享模型通过虚拟子智能体团队解决任务、搜索更优多智能体工作流，再用自身判断挑选最佳结果并蒸馏回模型，实现递归自我改进。
Sakana AI：Blog·2026-10-11 23:00· 7 小时前AI 评分52
通过多智能体自我监督实现递归自我改进
AI 导读
Sakana AI 发布 Multi-Agent Self-Supervision（MASS），用一个共享模型通过虚拟子智能体团队解决任务、搜索更优多智能体工作流，再用自身判断挑选最佳结果并蒸馏回模型，实现递归自我改进。
正文
通过多智能体自我监督实现递归自我改进
October 12, 2026Video 1 随着 AI 系统处理日益开放的研究问题，人类专家可能难以评估结果并指导进一步进展。模型本身可能是可用的最佳优化器和评估器。挑战在于，在这个同质循环中获得有用的自我监督，因为模型有可能强化自身盲点而非纠正它们。
我们追问：模型能否从自身团队的集体智慧中学习。
推出 Multi-Agent Self-Supervision（MASS）：通过集体智慧实现递归自我改进：
- Blog：https://pub.sakana.ai/mass/
- Paper：https://arxiv.org/abs/2610.12176
- Code：https://github.com/SakanaAI/mass
我们推出 Multi-Agent Self-Supervision（MASS）。一个共享模型通过虚拟子智能体团队解决任务，搜索更优的多智能体工作流，然后利用自身判断选出最佳者。在最佳团队的执行结果上训练，将团队的集体经验蒸馏回共享模型。
我们使用一个 27B 开放权重模型，在合成开放式研究任务上运行了两个周期。第二个周期后，在四个研究基准上，每输出 token 的得分达到基础模型水平的 1.2-1.6 倍。
三项关键结果：
- MASS 在 RSI 循环内实现了角色泛化：仅在被优化者的任务求解数据上训练，就能自然提升优化器和评估器两者的能力。
- 对于 RSI，多智能体轨迹是比单智能体轨迹更高效的训练数据。
- 优化器容量，而非评估器容量，可能成为改进速度的瓶颈。
我们认为，社区需要仔细研究同质 RSI，以支持 AI 安全。当模型同时充当自身的评估器时，共同的盲点可能让错误被当作进展接受，并通过训练得到强化。为了让 AI 安全地超越人类专业水平，我们需要理解这些失败，并保留检测它们和进行干预的有效方法。
这项工作由 Hyunin Lee、Jinglue Xu、Jeffrey Seely、Yujin Tang，以及我们来自 UC Berkeley 的合作者（Somayeh Sojoudi、Matei Zaharia、Donghyun Lee）完成。
来源：Sakana AI：Blog · sakana.ai
来源：RadarAI · aihot.news