Sakana AI 提出 MASS：用多智能体自监督扩展递归自我改进

Sakana AI 推荐的一篇关于递归自我改进的论文。

他们提出了一种有趣的方法，通过多智能体自我监督来扩展递归自我改进。

在这类研究中，自我改进循环通常需要一个外部验证器，因此没有检查器的开放式任务就被排除在外。

MASS 去掉了这一要求。

一个基础模型提出多智能体工作流，运行并评分这些工作流，进化搜索保留得分最高的工作流。随后模型在自己的轨迹上进行微调，改进后的模型作为更优的优化器和评分器开启下一个循环。

在 Qwen3.6-27B 上进行两轮循环后，四个开放式基准上每个输出 token 的性能从 1.2 倍提升到 1.6 倍。

在多智能体轨迹上训练的学生模型，也胜过在多 1.4 倍 token 上训练的单智能体学生模型。

论文：arxiv.org/abs/2610.12176

论文讨论：academy.dair.ai/papers/recur…