Peneliti ing Sakana AI lan UC Berkeley wis nerbitake cara sing dikandhakake supaya model basa bisa nambah dhewe kanthi ngatur, ngadili lan sinau saka tim multi-agen dhewe - pendekatan sing ngluwihi perbaikan diri rekursif menyang tugas riset sing ora ana kunci jawaban otomatis.

Makalah, "MASS: Recursive Self-Improvement liwat Multi-Agent Self-Supervision," muncul ing Oktober 2026 ing arXiv (2610.12176) bebarengan karo kaca proyek interaktif saka lab berbasis Tokyo. Dhaptar penulis kasebut kalebu loro institusi: Hyunin Lee saka UC Berkeley, sing ngrampungake karya sajrone magang ing Sakana AI; Sakana peneliti Jinglu Xu, Jeffrey Seely lan Yujin Tang; lan Donghyun Lee saka UC Berkeley, Somayeh Sojoudi lan Matei Zaharia. For more context on this story, see our ongoing latest AI developments.

Karya kasebut langsung narik kawigaten ing komunitas pangembang ing akhir minggu, ing ngendi diskusi Hacker News babagan proyek kasebut ngliwati 100 poin sajrone sawetara jam.

Nalika Model Iku Mung Supervisor kasedhiya

Kemajuan paling anyar ing AI ngapikake mandhiri wis ngandelake ganjaran sing bisa diverifikasi: jawaban matematika sing bisa dicenthang, kode sing lulus tes utawa ora. Tim Berkeley-Sakana diwiwiti saka premis sing beda. Ing wates riset, dheweke mbantah, asring ora ana bebener sing ana. Ngevaluasi panemuan sing diusulake mbutuhake keahlian sing langka, peralatan sing larang utawa eksperimen sing mbutuhake wektu luwih suwe tinimbang nggawe proposal kasebut dhewe.

Asilé dadi jurang sing luwih gedhé: kemampuan kanggo gawé karya anyar luwih cepet tinimbang kemampuan kanggo ngawasi. Yen ora ana guru sing luwih kuat, penulis nulis, model sing didandani - sing diarani "optimizee" - bisa uga dadi pengawas sing paling bisa. Sing nyurung apa sing diarani homogeneous recursive poto-dandan, kang model padha serves minangka optimizer lan evaluator dhewe.

Pitakonan sing mbukak yaiku kepiye sistem bisa ngasilake sinyal latihan sing migunani kanggo awake dhewe ing daur ulang kasebut. Wangsulane nyilih saka sejarah manungsa.

Carane MASS Works

MASS, singkatan saka Multi-Agent Self-Supervision, ngowahi siji model bareng dadi sistem telung peran. Bobot sing padha tumindak minangka agen pemecahan tugas sing ngasilake ruang kerja kode, asil lan laporan riset; pangoptimal alur kerja sing ngowahi cara tim subagen mbagi karya; lan evaluator sing mbandhingake rong ruang kerja lan hakim sing luwih nyukupi tugas kasebut.

Daur ulang batin nggoleki alur kerja tim - rencana ditulis sing nyakup peran saben subagen, instruksi, "kontrak" sing nemtokake agen bukti apa sing kudu disedhiyakake, lan urutan telpon, utawa hop, ing antarane. Alur kerja juara ditahan liwat iterasi lan kudu dikalahake supaya bisa diganti. Siji alur kerja keuangan sing berkembang, dikondensasi ing kertas, ngurutake persiapan data, konstruksi fitur, pemodelan lan backtesting sadurunge audit, lan kontrak data kasebut meksa spesialis data kanggo mriksa manawa backtest ora bisa bocor informasi ing mangsa ngarep menyang keputusan sejarah.

Lingkaran njaba banjur ngowahi pengalaman kolektif tim dadi data latihan. Sistem kasebut nglakokake alur kerja juara kaping 18, menehi rangking dhewe ing ruang kerja sing diasilake, njaga 16 eksekusi sing paling apik lan nyempurnakake model sing dienggo bareng - kanthi pituduh alur kerja kasebut dhewe dibusak, saengga katrampilan koordinasi digawa ing bobot tinimbang instruksi. Model sing dianyari banjur nerusake kabeh telung peran, lan proses kasebut diulang.

Keuntungan sing Bisa Diukur ing Tugas sing Ora Bisa Diverifikasi

Tim kasebut mbukak rong babak lengkap MASS wiwit saka Qwen3.6-27B ing lingkungan agen kode-kode qwen. Papan latihan kasebut ana 12 tugas riset sintetik sing kalebu keuangan, robotika lan apotek, saben-saben mbutuhake kode, asil kuantitatif lan laporan tertulis. Sembilan tugas ditetepake kanggo latihan lan telung dianakake sawise latihan; deskripsi tugas digawe dening GPT-5.5 sadurunge eksperimen.

Ing telung tugas tes sing ditindakake, tingkat menang model sing diadili sacara eksternal nglawan versi dhasar mundhak saka 53,9% sawise siji babak dadi 69,9% sawise rong. Model babak kapindho uga ngalahake model babak pisanan ing 60,8% perbandingan. Kanggo ngindhari grading kanthi ukuran sing padha digunakake sajrone latihan, para peneliti duwe GPT-5.5 lan Claude Opus 4.8 netepake karya sing wis rampung, kanthi keputusan kasebut ditahan saka MASS dhewe.

Efisiensi ditingkatake bebarengan karo kualitas. Sawise rong babak, skor saben token output tekan 1.2 nganti 1.6 kaping tingkat model dhasar ing papat benchmark umum: MLR-Bench, DSBench, ScienceAgentBench lan AstaBench.

Pitakonan Safety, Ora Mung Demo Kapabilitas

Penulis eksplisit manawa persiyapan kasebut digarap minangka probe safety. Yen sistem riset otomatis bisa nambah kabisan dhewe, kahanan sing ngasilake perbaikan kudu dimangerteni luwih awal - kertas kasebut nyathet yen prospek bledosan intelijen "menehi alesan luwih kanggo nyinaoni kahanan kasebut luwih awal," nggawe pitakonan utama babagan carane njaga pengawasan sing migunani nalika ora ana pengawas sing luwih kuat.

Publikasi kasebut ana ing tengah-tengah debat babagan risiko sing tepat. Ing pungkasan September, Geoffrey Hinton, Yoshua Bengio lan ilmuwan terkemuka liyane nerbitake peringatan umum babagan kemungkinan bledosan intelijen sing mlayu, lan riset menyang sistem agen sing nindakake karya ilmiah wis cepet ing lapangan.

Watesan kanggo Tetep ing Pikiran

Asil teka karo caveats penulis ngakoni. Suite sintetik cilik, lan kabeh sinyal latihan digawe dhewe, tegese kabeneran saka paukuman model dhewe ora dingerteni kanthi desain - hakim eksternal mung digunakake kanggo pangukuran, dudu latihan. Siji tugas latihan ora kalebu sawise panelusuran alur kerja gagal nemokake alur kerja apa wae sing ngalahake referensi kasebut, minangka pangeling yen loop ora mesthi ngasilake keuntungan. Lan evaluasi eksternal dhewe gumantung ing model perbatasan, sing minangka proxy sing ora sampurna kanggo bebener lemah.

Apa Sabanjure

Kanggo Sakana AI, MASS ngluwihi agenda riset sing fokus kanggo ngotomatisasi proses ilmiah dhewe, sawise karya laboratorium sadurunge ing generasi eksperimen sing didorong AI lan sistem review agen kanggo mriksa klaim riset. Yen resep pengawasan mandhiri kolektif pindhah ngluwihi tugas sintetik, bottleneck sing ditargetake - ngawasi output AI ing wates - mung bakal saya tambah akeh amarga sistem riset otomatis saya tambah akeh.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →