Pesquisadores da Sakana AI e da UC Berkeley publicaram um método que, segundo eles, permite que um modelo de linguagem se aprimore organizando, julgando e aprendendo com suas próprias equipes multiagentes – uma abordagem que estende o autoaperfeiçoamento recursivo a tarefas de pesquisa onde não existe uma chave de resposta automática.
O artigo, "MASS: Autoaperfeiçoamento recursivo por meio de autosupervisão multiagente", apareceu em outubro de 2026 no arXiv (2610.12176) ao lado de uma página de projeto interativo do laboratório com sede em Tóquio. Sua lista de autores abrange ambas as instituições: Hyunin Lee, da UC Berkeley, que concluiu o trabalho durante um estágio na Sakana AI; Os pesquisadores da Sakana, Jinglue Xu, Jeffrey Seely e Yujin Tang; e Donghyun Lee, Somayeh Sojoudi e Matei Zaharia da UC Berkeley. Para mais contexto sobre esta história, confira nossa cobertura da indústria de IA.
O trabalho chamou atenção imediata da comunidade de desenvolvedores no fim de semana, onde uma discussão do Hacker News sobre o projeto passou dos 100 pontos em poucas horas.
Quando o modelo é o único supervisor disponível
O progresso mais recente no auto-aperfeiçoamento da IA tem dependido de recompensas verificáveis: respostas matemáticas que podem ser verificadas, código que passa nos testes ou não. A equipe Berkeley-Sakana parte de uma premissa diferente. Na fronteira da investigação, argumentam eles, muitas vezes não há verdades concretas à mão. A avaliação de uma descoberta proposta pode exigir conhecimentos escassos, equipamento dispendioso ou experiências que demoram muito mais tempo do que gerar a proposta em si.
O resultado é uma lacuna cada vez maior: a capacidade de produzir novos trabalhos está a avançar mais rapidamente do que a capacidade de os supervisionar. Quando não há um professor mais forte disponível, escrevem os autores, o modelo que está sendo aprimorado – o que eles chamam de “otimizado” – pode ser o supervisor mais capaz que resta. Isso motiva o que eles chamam de autoaperfeiçoamento recursivo homogêneo, no qual o mesmo modelo serve como seu próprio otimizador e avaliador.
A questão em aberto é como um sistema pode gerar um sinal de treinamento útil para si mesmo nesse loop. A resposta deles baseia-se na história humana.
Como funciona o MASS
MASS, abreviação de Multi-Agent Self-Supervision, transforma um modelo compartilhado em um sistema de três funções. Os mesmos pesos atuam como agente de resolução de tarefas que produz um espaço de trabalho de código, resultados e um relatório de pesquisa; o otimizador de fluxo de trabalho que revisa como uma equipe de subagentes divide o trabalho; e o avaliador que compara dois espaços de trabalho e julga qual melhor satisfaz a tarefa.
O loop interno pesquisa os fluxos de trabalho da equipe – planos escritos cobrindo a função de cada subagente, suas instruções, os “contratos” especificando quais evidências os agentes devem entregar uns aos outros e a sequência de chamadas, ou saltos, entre eles. Um fluxo de trabalho campeão é mantido ao longo das iterações e deve ser superado para ser substituído. Um fluxo de trabalho financeiro evoluído, condensado no documento, sequencia a preparação de dados, construção de recursos, modelagem e backtesting antes de uma auditoria, e seu contrato de dados força o especialista em dados a verificar se um backtest não poderia ter vazado informações futuras em decisões históricas.
O loop externo então converte a experiência coletiva da equipe em dados de treinamento. O sistema executa o fluxo de trabalho campeão 18 vezes, autoclassifica os espaços de trabalho resultantes, mantém as 16 melhores execuções e ajusta o modelo compartilhado nelas – com o próprio prompt do fluxo de trabalho removido posteriormente, para que as habilidades de coordenação sejam transportadas nos pesos e não nas instruções. O modelo atualizado então retoma todas as três funções e o processo se repete.
Ganhos mensuráveis em tarefas não verificáveis
A equipe executou duas rodadas completas de MASS começando em Qwen3.6-27B no ambiente do agente de codificação de código qwen. O campo de treinamento consistia em um conjunto de 12 tarefas de pesquisa sintética abrangendo finanças, robótica e farmácia, cada uma exigindo código, resultados quantitativos e um relatório escrito. Nove tarefas foram designadas para treinamento e três foram retiradas do pós-treinamento; as descrições das tarefas foram geradas pelo GPT-5.5 antes do experimento.
Nas três tarefas de teste realizadas, a taxa de vitória avaliada externamente do modelo em relação à sua versão base aumentou de 53,9% após uma rodada para 69,9% após duas. O modelo do segundo turno também superou o modelo do primeiro turno em 60,8% das comparações. Para evitar a classificação com o mesmo critério usado durante o treinamento, os pesquisadores fizeram com que o GPT-5.5 e o Claude Opus 4.8 avaliassem o trabalho concluído, com esses julgamentos retidos do próprio MASS.
A eficiência melhorou juntamente com a qualidade. Após duas rodadas, a pontuação por token de saída atingiu 1,2 a 1,6 vezes o nível do modelo básico em quatro benchmarks públicos: MLR-Bench, DSBench, ScienceAgentBench e AstaBench.
Uma questão de segurança, não apenas uma demonstração de capacidade
Os autores são explícitos que a configuração funciona como uma sonda de segurança. Se os sistemas de investigação automatizados podem aumentar as suas próprias capacidades, as condições que produzem melhorias descontroladas precisam de ser compreendidas precocemente - o documento observa que a perspectiva de uma explosão de inteligência "dá mais razões para estudar estas condições precocemente", enquadrando a sua questão central como a forma de preservar uma supervisão significativa quando não estiver disponível um supervisor mais forte.
A publicação chega em meio a um debate cada vez mais intenso sobre esse risco exato. No final de Setembro, Geoffrey Hinton, Yoshua Bengio e outros cientistas importantes emitiram um alerta público sobre a possibilidade de uma explosão descontrolada de inteligência, e a investigação sobre sistemas de agentes que conduzem trabalho científico acelerou em todo o campo.
Limitações a serem lembradas
Os resultados vêm com ressalvas que os autores reconhecem. O conjunto sintético é pequeno e todos os sinais de treinamento são autogerados, o que significa que a exatidão dos próprios julgamentos do modelo é desconhecida pelo projeto – juízes externos são usados apenas para medição, não para treinamento. Uma tarefa de treinamento foi excluída depois que a pesquisa de fluxo de trabalho não conseguiu encontrar nenhum fluxo de trabalho que superasse sua referência, um lembrete de que o loop nem sempre produz ganhos. E as próprias avaliações externas basearam-se em modelos de fronteira, que são representantes imperfeitos da verdade fundamental.
O que vem a seguir
Para a Sakana AI, o MASS amplia uma agenda de pesquisa focada na automatização do próprio processo científico, seguindo o trabalho anterior do laboratório na geração de experimentos orientados por IA e sistemas de revisão de agentes para verificar afirmações de pesquisa. Se a receita de auto-supervisão colectiva for além das tarefas sintéticas, o estrangulamento que visa – supervisionar a produção de IA na fronteira – só se tornará mais premente à medida que os sistemas de investigação automatizados se multiplicarem.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
