I ricercatori di Sakana AI e UC Berkeley hanno pubblicato un metodo che, secondo loro, consente a un modello linguistico di migliorarsi organizzandosi, giudicando e imparando dai propri team multi-agente: un approccio che estende l'auto-miglioramento ricorsivo a compiti di ricerca in cui non esiste una chiave di risposta automatica.
L'articolo, "MASS: Recursive Self-Improvement through Multi-Agent Self-Supervision", è apparso nell'ottobre 2026 su arXiv (2610.12176) insieme a una pagina interattiva del progetto del laboratorio con sede a Tokyo. L'elenco degli autori comprende entrambe le istituzioni: Hyunin Lee della UC Berkeley, che ha completato il lavoro durante uno stage presso Sakana AI; I ricercatori di Sakana Jinglue Xu, Jeffrey Seely e Yujin Tang; e Donghyun Lee, Somayeh Sojoudi e Matei Zaharia dell'UC Berkeley. Per maggiori informazioni su questa storia, consulta la nostra tendenze IA.
Il lavoro ha attirato immediatamente l'attenzione della comunità degli sviluppatori durante il fine settimana, dove una discussione sul progetto di Hacker News ha superato i 100 punti in poche ore.
Quando il modello è l'unico supervisore disponibile
I progressi più recenti nell’auto-miglioramento dell’intelligenza artificiale si sono basati su ricompense verificabili: risposte matematiche che possono essere verificate, codice che supera i test o meno. La squadra Berkeley-Sakana parte da una premessa diversa. Alla frontiera della ricerca, sostengono, spesso non c’è alcuna verità a portata di mano. La valutazione di una proposta di scoperta può richiedere competenze limitate, attrezzature costose o esperimenti che richiedono molto più tempo della generazione della proposta stessa.
Il risultato è un divario sempre più ampio: la capacità di produrre nuovo lavoro sta avanzando più velocemente della capacità di supervisionarlo. Quando non è disponibile un insegnante più forte, scrivono gli autori, il modello che viene migliorato – quello che chiamano “ottimizzato” – potrebbe essere il supervisore più capace rimasto. Ciò motiva quello che chiamano auto-miglioramento ricorsivo omogeneo, in cui lo stesso modello funge da ottimizzatore e valutatore di sé stesso.
La questione aperta è come un sistema possa generare un segnale di addestramento utile per se stesso in quel ciclo. La loro risposta prende in prestito dalla storia umana.
Come funziona MASS
MASS, abbreviazione di Multi-Agent Self-Supervision, trasforma un modello condiviso in un sistema a tre ruoli. Gli stessi pesi agiscono come un agente di risoluzione dei compiti che produce uno spazio di lavoro di codice, risultati e un rapporto di ricerca; l'ottimizzatore del flusso di lavoro che rivede il modo in cui un team di subagenti divide il lavoro; e il valutatore che confronta due spazi di lavoro e giudica quale soddisfa meglio il compito.
Il ciclo interno ricerca nei flussi di lavoro del team: piani scritti che coprono il ruolo di ciascun subagente, le sue istruzioni, i "contratti" che specificano quali prove gli agenti devono consegnarsi a vicenda e la sequenza di chiamate, o salti, tra di loro. Un flusso di lavoro campione viene mantenuto attraverso le iterazioni e deve essere superato per essere sostituito. Un flusso di lavoro finanziario evoluto, condensato nel documento, mette in sequenza la preparazione dei dati, la costruzione delle funzionalità, la modellazione e il backtesting prima di un audit, e il suo contratto sui dati obbliga lo specialista dei dati a verificare che un backtest non possa aver fatto trapelare informazioni future in decisioni storiche.
Il ciclo esterno converte quindi l'esperienza collettiva del team in dati di allenamento. Il sistema esegue il flusso di lavoro campione 18 volte, classifica automaticamente gli spazi di lavoro risultanti, mantiene le 16 migliori esecuzioni e mette a punto il modello condiviso su di esse, con il prompt del flusso di lavoro stesso rimosso in seguito, in modo che le capacità di coordinamento vengano trasportate nei pesi piuttosto che nelle istruzioni. Il modello aggiornato riprende quindi tutti e tre i ruoli e il processo si ripete.
Guadagni misurabili su attività non verificabili
Il team ha eseguito due cicli completi di MASS partendo da Qwen3.6-27B nell'ambiente dell'agente di codifica qwen-code. Il campo di formazione era una serie di 12 attività di ricerca sintetiche che spaziavano dalla finanza, alla robotica e alla farmacia, ciascuna delle quali richiedeva codice, risultati quantitativi e una relazione scritta. Nove compiti sono stati designati per la formazione e tre sono stati svolti dopo la formazione; le descrizioni delle attività sono state generate da GPT-5.5 prima dell'esperimento.
Nei tre test di prova, il tasso di vincita del modello, giudicato esternamente, rispetto alla versione base è aumentato dal 53,9% dopo un round al 69,9% dopo due. Il modello di secondo turno ha battuto anche il modello di primo turno nel 60,8% dei confronti. Per evitare di valutare con lo stesso metro utilizzato durante la formazione, i ricercatori hanno fatto valutare il lavoro completato a GPT-5.5 e Claude Opus 4.8, trattenendo tali giudizi dallo stesso MASS.
L'efficienza è migliorata insieme alla qualità. Dopo due round, il punteggio per token di output ha raggiunto da 1,2 a 1,6 volte il livello del modello base su quattro benchmark pubblici: MLR-Bench, DSBench, ScienceAgentBench e AstaBench.
Una questione di sicurezza, non solo una dimostrazione di capacità
Gli autori sono espliciti sul fatto che la configurazione funge anche da sonda di sicurezza. Se i sistemi di ricerca automatizzati possono aumentare le proprie capacità, le condizioni che producono miglioramenti galoppanti devono essere comprese in anticipo: il documento rileva che la prospettiva di un’esplosione di intelligence “fornisce ulteriori ragioni per studiare queste condizioni in anticipo”, inquadrando la questione centrale come come preservare una supervisione significativa quando non è disponibile un supervisore più forte.
La pubblicazione arriva nel mezzo di un dibattito sempre più intenso proprio su questo rischio. Alla fine di settembre, Geoffrey Hinton, Yoshua Bengio e altri eminenti scienziati hanno lanciato un avvertimento pubblico sulla possibilità di un’esplosione fuori controllo dell’intelligence, e la ricerca sui sistemi ad agenti che conducono lavori scientifici ha subito un’accelerazione in tutto il campo.
Limitazioni da tenere a mente
I risultati arrivano con le avvertenze riconosciute dagli autori. La suite sintetica è piccola e tutti i segnali di addestramento sono autogenerati, il che significa che la correttezza dei giudizi del modello non è nota in fase di progettazione: i giudici esterni vengono utilizzati solo per la misurazione, non per l'addestramento. Un'attività di formazione è stata esclusa dopo che la ricerca del flusso di lavoro non è riuscita a trovare alcun flusso di lavoro che battesse il suo riferimento, a ricordare che il ciclo non sempre produce guadagni. E le stesse valutazioni esterne si basavano su modelli di frontiera, che sono proxy imperfetti della verità fondamentale.
Cosa verrà dopo
Per Sakana AI, MASS estende un programma di ricerca incentrato sull’automazione del processo scientifico stesso, seguendo il lavoro precedente del laboratorio sulla generazione di esperimenti guidati dall’intelligenza artificiale e sui sistemi di revisione degli agenti per verificare le affermazioni della ricerca. Se la ricetta dell’autosupervisione collettiva si trasferisce oltre i compiti sintetici, il collo di bottiglia a cui mira – supervisionare l’output dell’intelligenza artificiale alla frontiera – diventerà sempre più pressante man mano che si moltiplicano i sistemi di ricerca automatizzati.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
