伯克利与Sakana AI提出MASS自我改进方法
AI 总结
加州大学伯克利分校与 Sakana AI 团队提出“多 Agent 自监督”（MASS），让同一个模型交替担任任务求解 Agent、工作流优化器与评估器：先在冻结权重下优化多个自身副本如何协作，再把协作产生的轨迹蒸馏回共享权重。以 Qwen3.6-27B 为基座、在 qwen-code 环境中跑两轮 MASS 后，模型在留出测试任务上对基座模型的胜率从 53.9% 升至 69.9%，在 MLR-Bench、DSBench、AstaBench E2E-Hard、ScienceAgentBench 上的每输出 Token 得分约为基座的 1.2–1.6 倍，但 Terminal-Bench 2.0 与 SWE-bench Verified 上分别约为 0.96 和 0.94 倍，提升并不均衡。论文还称，评估器与外部评委的一致率由 0.73 升至 0.93，且多 Agent 轨迹的训练效率高于单 Agent 轨迹（少用约 31% 监督 Token、胜率反而更高）；实验中由 GPT-5.5 与 Claude Opus 4.8 担任外部评委。
深度见解
它把“让 AI 改进 AI”的难点转向多智能体协作与自监督信号质量，为递归自我改进提供了一条可验证的研究路径。