Sakana AI 发 MASS：一个模型自组多智能体团队，两轮自改进反超基座

Sakana AI 10 月 12 日发布 MASS（Multi-Agent Self-Supervision）论文与全套代码：让同一个共享模型在一个循环里同时扮演三个角色——解任务的多智能体团队执行者、搜索更优团队工作流的优化者、给自己产出打分的评审者——把评审选中的最优团队轨迹蒸馏回模型权重，再进入下一轮。这是「递归自我改进（RSI）」在非可验证任务（开放式研究）上的一条具体实现：不再依赖外部真值或人类反馈。

两个循环跑在一个 Qwen3.6-27B 开源权重模型上：第二轮对基座的胜率从 53.9% 升到 69.9%，四个研究基准上每输出 token 的得分到基座的 1.2–1.6 倍；多智能体轨迹作为训练数据比单智能体轨迹更省——达到 68.3% 胜率只用了 28.8M 监督 token，单智能体基线要 42M（省 31%）。消融还给出一个反直觉结论：把评审者换成更强的 GPT-5.5 帮助有限，把优化者也换上去才明显提速——RSI 的瓶颈可以出在优化者而不是评审者。

作者自己把最大的问题写在标题下面：在同质循环里，模型与评审共享同一个盲区时，缺陷会被当成进步固化进下一代权重——他们称之为「递归自我改进的阿喀琉斯之踵」。另外，这份成绩有明确的边界：增益集中在研究类任务，SWE-bench Verified 反而掉到 0.94 倍；两轮循环、12 个合成任务，也不构成对单智能体 RL 基线的对比。

对站点的意义：库内近一个月已收的多条「决策模型 / 自我改进」线（Liquid d1、AREX-2、RRSI、Memento 3）是从不同方向逼近同一问题，MASS 第一次把「模型给自己当教练」做成可复现的开源管线，判断置信度高。

原文链接：Sakana AI 官方博客 / arXiv