Forscher von Sakana AI und UC Berkeley haben eine Methode veröffentlicht, mit der sich ein Sprachmodell ihrer Meinung nach verbessern kann, indem es seine eigenen Multi-Agenten-Teams organisiert, beurteilt und von ihnen lernt – ein Ansatz, der die rekursive Selbstverbesserung auf Forschungsaufgaben ausdehnt, für die es keinen automatischen Antwortschlüssel gibt.

Der Artikel „MASS: Recursive Self-Improvement through Multi-Agent Self-Supervision“ erschien im Oktober 2026 auf arXiv (2610.12176) zusammen mit einer interaktiven Projektseite des in Tokio ansässigen Labors. Die Autorenliste umfasst beide Institutionen: Hyunin Lee von der UC Berkeley, der die Arbeit während eines Praktikums bei Sakana AI fertigstellte; Die Sakana-Forscher Jinglue Xu, Jeffrey Seely und Yujin Tang; und Donghyun Lee, Somayeh Sojoudi und Matei Zaharia von der UC Berkeley. Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.

Die Arbeit erregte am Wochenende sofort Aufmerksamkeit in der Entwickler-Community, wo eine Hacker News-Diskussion über das Projekt innerhalb weniger Stunden die 100-Punkte-Marke erreichte.

Wenn das Model der einzige verfügbare Supervisor ist

Die jüngsten Fortschritte bei der Selbstverbesserung der KI basieren auf überprüfbaren Belohnungen: mathematische Antworten, die überprüft werden können, Code, der Tests entweder besteht oder nicht. Das Berkeley-Sakana-Team geht von einer anderen Prämisse aus. An der Grenze der Forschung, so argumentieren sie, gebe es oft keine fundierte Wahrheit. Die Bewertung einer vorgeschlagenen Entdeckung erfordert möglicherweise knappes Fachwissen, kostspielige Ausrüstung oder Experimente, die viel länger dauern als die Erstellung des Vorschlags selbst.

Das Ergebnis ist eine wachsende Kluft: Die Fähigkeit, neue Arbeiten zu produzieren, schreitet schneller voran als die Fähigkeit, sie zu überwachen. Wenn kein stärkerer Lehrer verfügbar ist, schreiben die Autoren, ist das zu verbessernde Modell – das, was sie „Optimizee“ nennen – möglicherweise der fähigste verbleibende Vorgesetzte. Dies motiviert das, was sie als homogene rekursive Selbstverbesserung bezeichnen, bei der dasselbe Modell als sein eigener Optimierer und Bewerter dient.

Die offene Frage ist, wie ein System in dieser Schleife ein nützliches Trainingssignal für sich selbst erzeugen kann. Ihre Antwort lehnt sich an die Geschichte der Menschheit an.

Wie MASS funktioniert

MASS, die Abkürzung für Multi-Agent Self-Supervision, verwandelt ein gemeinsames Modell in ein Drei-Rollen-System. Dieselben Gewichte fungieren als Aufgabenlösungsagent, der einen Arbeitsbereich mit Code, Ergebnissen und einem Forschungsbericht erstellt. der Workflow-Optimierer, der überarbeitet, wie ein Team von Subagenten die Arbeit aufteilt; und der Bewerter, der zwei Arbeitsbereiche vergleicht und beurteilt, welcher die Aufgabe besser erfüllt.

Die innere Schleife durchsucht die Arbeitsabläufe des Teams – schriftliche Pläne, die die Rolle jedes Subagenten, seine Anweisungen, die „Verträge“, die festlegen, welche Beweise Agenten einander übergeben müssen, und die Reihenfolge der Anrufe oder Sprünge zwischen ihnen abdecken. Ein Champion-Workflow bleibt über Iterationen hinweg erhalten und muss überwunden werden, um ersetzt zu werden. Ein weiterentwickelter Finanzworkflow, der im Papier zusammengefasst ist, sequenziert die Datenvorbereitung, die Feature-Konstruktion, die Modellierung und das Backtesting vor einer Prüfung, und sein Datenvertrag zwingt den Datenspezialisten zu prüfen, dass ein Backtest keine zukünftigen Informationen in historische Entscheidungen einfließen lassen könnte.

Die äußere Schleife wandelt dann die kollektive Erfahrung des Teams in Trainingsdaten um. Das System führt den Champion-Workflow 18 Mal aus, ordnet die resultierenden Arbeitsbereiche selbst ein, behält die besten 16 Ausführungen und passt das gemeinsame Modell darauf an – wobei die Workflow-Eingabeaufforderung selbst anschließend entfernt wird, sodass die Koordinationsfähigkeiten in den Gewichtungen und nicht in den Anweisungen enthalten sind. Das aktualisierte Modell übernimmt dann alle drei Rollen und der Prozess wiederholt sich.

Messbare Gewinne bei nicht überprüfbaren Aufgaben

Das Team führte zwei komplette MASS-Runden ab Qwen3.6-27B in der qwen-code-Coding-Agent-Umgebung durch. Das Übungsgelände bestand aus einer Reihe von 12 synthetischen Forschungsaufgaben aus den Bereichen Finanzen, Robotik und Pharmazie, die jeweils Code, quantitative Ergebnisse und einen schriftlichen Bericht erforderten. Neun Aufgaben waren für die Schulung vorgesehen und drei wurden nach der Schulung aufgeschoben; Aufgabenbeschreibungen wurden vor dem Experiment von GPT-5.5 generiert.

Bei den drei ausgehaltenen Testaufgaben stieg die extern beurteilte Siegesquote des Modells gegenüber seiner Basisversion von 53,9 % nach einer Runde auf 69,9 % nach zwei. Auch das Zweitrundenmodell übertraf das Erstrundenmodell in 60,8 % der Vergleiche. Um eine Bewertung mit demselben Maßstab zu vermeiden, der während des Trainings verwendet wurde, ließen die Forscher die abgeschlossene Arbeit mit GPT-5.5 und Claude Opus 4.8 bewerten, wobei diese Beurteilungen MASS selbst vorenthalten wurden.

Neben der Qualität verbesserte sich auch die Effizienz. Nach zwei Runden erreichte die Punktzahl pro Ausgabetoken das 1,2- bis 1,6-fache des Niveaus des Basismodells in vier öffentlichen Benchmarks: MLR-Bench, DSBench, ScienceAgentBench und AstaBench.

Eine Sicherheitsfrage, nicht nur eine Demonstration der Fähigkeiten

Die Autoren weisen ausdrücklich darauf hin, dass das Setup auch als Sicherheitssonde dient. Wenn automatisierte Forschungssysteme ihre eigenen Fähigkeiten verstärken können, müssen die Bedingungen, die eine rasante Verbesserung herbeiführen, frühzeitig verstanden werden. Das Papier stellt fest, dass die Aussicht auf eine Informationsexplosion „einen weiteren Grund gibt, diese Bedingungen frühzeitig zu untersuchen“, und formuliert die zentrale Frage darin, wie eine sinnvolle Aufsicht aufrechterhalten werden kann, wenn kein stärkerer Vorgesetzter verfügbar ist.

Die Veröffentlichung landet inmitten einer sich verschärfenden Debatte über genau dieses Risiko. Ende September gaben Geoffrey Hinton, Yoshua Bengio und andere führende Wissenschaftler eine öffentliche Warnung vor der Möglichkeit einer außer Kontrolle geratenen Geheimdienstexplosion heraus, und die Erforschung von Agentensystemen, die wissenschaftliche Arbeit leisten, hat sich auf dem gesamten Gebiet beschleunigt.

Zu beachtende Einschränkungen

Die Ergebnisse gehen mit Vorbehalten einher, wie die Autoren anerkennen. Die synthetische Suite ist klein und alle Trainingssignale werden selbst generiert, was bedeutet, dass die Richtigkeit der eigenen Urteile des Modells konstruktionsbedingt unbekannt ist – externe Richter werden nur zur Messung, nicht zum Training verwendet. Eine Trainingsaufgabe wurde ausgeschlossen, nachdem bei der Workflow-Suche kein Workflow gefunden wurde, der die Referenz übertraf – ein Hinweis darauf, dass die Schleife nicht immer zu Gewinnen führt. Und die externen Bewertungen selbst stützten sich auf Grenzmodelle, die unvollkommene Proxys für die Grundwahrheit sind.

Was als nächstes kommt

Für Sakana AI erweitert MASS eine Forschungsagenda, die sich auf die Automatisierung des wissenschaftlichen Prozesses selbst konzentriert, und knüpft damit an die früheren Arbeiten des Labors zur KI-gesteuerten Experimentgenerierung und agentischen Überprüfungssystemen zur Überprüfung von Forschungsansprüchen an. Wenn das kollektive Selbstüberwachungsrezept über synthetische Aufgaben hinausgeht, wird der Engpass, auf den es abzielt – die Überwachung der KI-Ausgabe an der Grenze – mit der Vervielfachung automatisierter Forschungssysteme nur noch dringlicher.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →