MASS 论文:单模型扮演多智能体团队实现递归自我改进
idanbeck · x · 2026-10-28
arXiv 论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》(MASS)提出一种递归自我改进(RSI)方法,解决开放式任务中人类专家无法评估模型输出导致的监督瓶颈。
- 核心思路:让单一基础模型迭代地提出、执行并自评多智能体工作流——同一模型分别扮演 orchestrator、worker 和 judge;通过带结构护栏约束的进化搜索,自动发现针对特定任务最有效的角色划分与信息路由。
- 之后对自生成的多智能体轨迹做监督微调,再让改进后的模型充当更好的优化器和评估器,形成持续的递归 bootstrapping。
- 结果:在 Qwen3.6-27B 上经过两轮 MASS 循环,四个开放式公开基准上每输出 token 的性能提升 1.2-1.6 倍;但作者附带制作的解读视频指出,在 Terminal-Bench 上效果持平(0.96x),说明方法对编码类可验证任务收益有限。
「编程与Agent」频道最新
- 安全提醒：给 Codex、Claude 管理员权限强大但危险 — RealGeneKim · 2026-10-28
- Capy 支持在云端真机上构建并测试 iOS 与 Android 应用 — k7agar · 2026-10-28
- Hamel Husain 与 Shreya Shankar 合著的 evals 专书出版，可 Amazon 购买 — HamelHusain · 2026-10-28
- RSNA 2026 深度学习实验室由 Yale 团队领衔，无需 agent 经验 — PRouzrokh · 2026-10-28
- Replit 设计团队一年提交 765 个 PR、改动 25 万行代码 — amasad · 2026-10-28
- 创业者观察:AI 编码让初创对大厂获得三重结构性优势 — yenkel · 2026-10-28