MASS：通过多智能体自监督实现递归自我改进
MASS: Recursive Self-Improvement through Multi-Agent Self-Supervision
AI 导读
Sakana AI 提出 MASS 方法，让同一个模型同时担任任务执行者、工作流优化器和评估器，通过多智能体自监督为递归自我改进提供训练信号。内循环用评估器反馈搜索更优的团队工作流，外循环以多个随机种子运行选定的工作流，再把排名靠前的轨迹用 LoRA 微调回共享模型权重。从 Qwen3.6-27B 出发运行两轮后，在三个留出的合成研究任务上对基座模型的外部评判胜率由 53.9% 升至 69.9%；在 MLR-Bench、DSBench、ScienceAgentBench、AstaBench 上单位输出 token 得分达到基座的 1.2–1.6 倍，但在 Terminal-Bench 2.0 与 SWE-bench Verified 上分别为 0.96 倍和 0.94 倍。
阅读原文