Sakana AI 自改进模型 MASS 存在自我盲点

Sakana AI 与 UC Berkeley 的研究者提出多智能体自我监督方法 MASS，让同一个语言模型同时承担解题、优化工作流与评判结果三种角色，在无需更强教师模型的情况下实现递归自我改进。基座模型为 Qwen3.6-27B，任务为 GPT-5.5 生成的 12 项金融、机器人与制药研究任务。测试任务上对基座的胜率从一轮后的 53.9% 升至两轮后的 69.9%，在 MLR-Bench、DSBench、ScienceAgentBench 和 AstaBench 上每输出 token 的得分为基座的 1.2 至 1.6 倍，但在 Terminal-Bench 2.0 和 SWE-bench Verified 上分数略降；自评者与外部评判的一致率从 73% 升至 93%。代码已公开。

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。