Sakana AI 提出多智能体自监督 MASS,让自我改进 AI 避免自我强化错误

hardmaru · x · 2026-10-13

Sakana AI 发布新研究 MASS(Multi-Agent Self-Supervision):通过「集体智能」实现递归自我改进。核心问题是,当 AI 处理越来越开放的研究问题时,人类专家难以评估结果并指导进展,模型本身可能就是最好的优化器和评估者;但在同质化的自我监督回路里,模型容易强化自身盲区而非纠正它们。MASS 的思路是让一个共享模型通过一组虚拟智能体组成「团队」协作分工,互相提供监督信号,从而避免单一闭环里的错误自我强化。hardmaru 从元科学视角评价:科学本身就是没有显式 benchmark 的开放式搜索,科学共同体像一个递归自我改进的有机体,靠科学家的集体工作而非僵化指标或更强监督者来自举,因此 MASS 的故事在直觉上很有说服力。