推文

@wohsj110 · 2026-10-12 18:38

通过多代理自监督的递归自我改进 (MASS) 当任务变得过于复杂，以至于人类无法可靠地评估时，我们如何继续改进 AI？ 对于开放式研究，我们最终会遇到“监督瓶颈”。如果我们使用模型本身作为求解器、优化器和评估器，它就会陷入同质化的循环，强化自身的盲点而不是纠正它们。 为了打破这个循环，我们从 Marvin Minsky 的《心智社会》那里汲取灵感。如果我们提示单个模型将自己的副本组织成一个结构化的团队，然后将团队学到的知识提炼回基础模型中，会怎样？ MASS 在两个循环之间交替进行： 1/ 工作流程优化：模型迭代地演化自己的多代理工作流程，弄清楚子代理之间应该如何沟通和路由信息。 2/ 工作流程内化：使用成功的多代理轨迹微调共享模型，从而将协调行为融入权重中。 在与一个 27B 开源权重模型进行两个周期后，在艰难的研究基准（MLR-Bench、ScienceAgentBench、DSBench）上，每个输出令牌的性能提高了 1.2-1.6 倍。 多代理轨迹也比单代理轨迹提供了更好的训练数据。模型通过联合学习高层编排和有界子代理执行来更快地学习。结果显示，模型可以通过将自己的副本组织成团队来引导自己的协调技能，这作为一个通往自我改进的机制感觉很有前景。 博客：http://pub.sakana.ai/mass/ 论文：http://arxiv.org/abs/2610.12176

曝光 135 · 评论 0 · 点赞 1 · 书签 0 · 曝光/时 83.55786188701292