Sakana AI 发布 MASS:多智能体自监督实现递归自我改进
hardmaru · x · 2026-10-12
Sakana AI 联合 UC Berkeley 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision (MASS)》,瞄准开放式研究任务中的「监督瓶颈」:当任务复杂到人类专家难以可靠评估时,模型自评又容易在同质循环中强化自身盲区。
MASS 受 Minsky「心智社会」启发,让单个模型把自身的多个副本组织成结构化团队,再将团队所学蒸馏回基座模型,在两个循环间交替:
- 工作流优化:模型迭代进化自己的多智能体工作流,决定子智能体如何分工与路由信息;
- 工作流内化:在优化后的工作流生成的轨迹上做监督微调。
在 Qwen3.6-27B 上经过两轮 MASS,四个公开基准的每输出 token 性能提升 1.2–1.6 倍;多智能体轨迹训练出的学生在训练 token 少 1.4 倍的情况下反超单智能体学生,表明联合学习编排与有界子智能体执行可成为 RSI 的有效信号。
所属事件:Sakana AI 推出 MASS 实现递归自我改进(3 条相关)→
「编程与Agent」频道最新
- davidfowl：为 agent 构建 CLI 探索工具，让其自主发现并修复系统 bug — mariorod1 · 2026-10-12
- rtoml v0.14 发布：支持 Python 3.15 与 i128 大整数 — samuelcolvin · 2026-10-12
- 逆向工程拆解 ChatGPT Intelligent UI:DIL 语言+服务端编译架构曝光 — rohanpaul_ai · 2026-10-12
- 逆向工程泄露 Grok Bot 三项未发布功能,版本化记忆有望上线 — bfrench · 2026-10-12
- badlogic 实测 durable codemode:让 agent 中断后也能续跑长任务 — max_paperclips · 2026-10-12
- supermemory 把 Agent 上下文打包成一个 API:记忆检索全内置 — julianweisser · 2026-10-12