Sakana AI ve UC Berkeley'deki araştırmacılar, bir dil modelinin kendi çok aracılı ekiplerini organize ederek, değerlendirerek ve onlardan öğrenerek kendisini geliştirmesine olanak sağladığını söyledikleri bir yöntem yayınladılar; bu, özyinelemeli kişisel gelişimi otomatik cevap anahtarının bulunmadığı araştırma görevlerine genişleten bir yaklaşım.
"MASS: Çok Aracılı Kendi Kendini Denetleme Yoluyla Özyinelemeli Kişisel Gelişim" makalesi Ekim 2026'da Tokyo merkezli laboratuvarın etkileşimli bir proje sayfasıyla birlikte arXiv'de (2610.12176) yayınlandı. Yazar listesi her iki kurumu da kapsamaktadır: Sakana AI'da staj sırasında çalışmayı tamamlayan UC Berkeley'den Hyunin Lee; Sakana araştırmacıları Jinglue Xu, Jeffrey Seely ve Yujin Tang; ve UC Berkeley'den Donghyun Lee, Somayeh Sojoudi ve Matei Zaharia. For more context on this story, see our ongoing breaking AI news.
Çalışma, hafta sonu boyunca geliştirici topluluğunda hemen dikkat çekti; projeyle ilgili Hacker News tartışması saatler içinde 100 puanı geçti.
Model Mevcut Tek Süpervizör Olduğunda
Kendini geliştiren yapay zekadaki en son ilerleme, doğrulanabilir ödüllere dayanıyordu: kontrol edilebilen matematik cevapları, testleri geçen veya geçmeyen kodlar. Berkeley-Sakana ekibi farklı bir noktadan başlıyor. Araştırma cephesinde, çoğu zaman eldeki temel gerçeğin bulunmadığını ileri sürüyorlar. Önerilen bir keşfin değerlendirilmesi, az miktarda uzmanlık, pahalı ekipman veya teklifin kendisinin oluşturulmasından çok daha uzun süren deneyler gerektirebilir.
Sonuç olarak, genişleyen bir boşluk ortaya çıkıyor: Yeni işler üretme yeteneği, onu denetleme yeteneğinden daha hızlı gelişiyor. Yazarlar, daha güçlü bir öğretmen bulunmadığında, geliştirilmekte olan modelin - "optimize edilen" olarak adlandırılan şeyin - kalan en yetenekli denetçi olabileceğini yazıyor. Bu, aynı modelin kendi optimize edicisi ve değerlendiricisi olarak hizmet ettiği, homojen özyinelemeli kişisel gelişim olarak adlandırdıkları şeyi motive eder.
Açık soru, bir sistemin bu döngüde kendisi için nasıl yararlı bir eğitim sinyali üretebileceğidir. Cevapları insanlık tarihinden ödünç alınmıştır.
MASS Nasıl Çalışır?
Multi-Agent Self-Denetim'in kısaltması olan MASS, paylaşılan bir modeli üç rollü bir sisteme dönüştürür. Aynı ağırlıklar, kod, sonuçlar ve araştırma raporundan oluşan bir çalışma alanı üreten görev çözme aracısı olarak görev yapar; alt temsilcilerden oluşan bir ekibin işi nasıl böldüğünü değiştiren iş akışı iyileştirici; ve iki çalışma alanını karşılaştıran değerlendirici ve görevi hangisinin daha iyi karşıladığını değerlendiren.
İç döngü, ekip iş akışlarını - her bir alt temsilcinin rolünü, talimatlarını, temsilcilerin birbirlerine hangi kanıtları vermesi gerektiğini belirten "sözleşmeleri" ve aralarındaki çağrı veya atlama sırasını kapsayan yazılı planları - araştırır. Şampiyon iş akışı yinelemeler boyunca korunur ve değiştirilebilmesi için aşılması gerekir. Makalede özetlenen gelişmiş bir finans iş akışı, veri hazırlamayı, özellik oluşturmayı, modellemeyi ve bir denetimden önce geriye dönük testleri sıralar ve veri sözleşmesi, veri uzmanını bir arka testin gelecekteki bilgileri geçmiş kararlara sızdırıp sızdıramayacağını kontrol etmeye zorlar.
Dış döngü daha sonra ekibin kolektif deneyimini eğitim verilerine dönüştürür. Sistem, şampiyon iş akışını 18 kez çalıştırır, ortaya çıkan çalışma alanlarını kendi kendine sıralar, en iyi 16 uygulamayı tutar ve bunlar üzerinde paylaşılan modele ince ayar yapar; iş akışı isteminin kendisi daha sonra kaldırılır, böylece koordinasyon becerileri talimatlar yerine ağırlıklarda taşınır. Güncellenen model daha sonra üç rolü de sürdürür ve süreç tekrarlanır.
Doğrulanamayan Görevlerde Ölçülebilir Kazançlar
Ekip, qwen-code kodlama aracısı ortamında Qwen3.6-27B'den başlayarak iki tam MASS turu gerçekleştirdi. Eğitim alanı, finans, robot bilimi ve eczacılığı kapsayan, her biri kod, niceliksel sonuçlar ve yazılı bir rapor gerektiren 12 sentetik araştırma görevinden oluşuyordu. Eğitim için dokuz görev belirlendi ve üçü eğitim sonrasında gerçekleştirildi; görev açıklamaları deneyden önce GPT-5.5 tarafından oluşturuldu.
Uzatılan üç test görevinde, modelin temel versiyonuna karşı harici olarak değerlendirilen kazanma oranı, bir turdan sonra %53,9'dan iki turdan sonra %69,9'a yükseldi. İkinci tur model aynı zamanda ilk tur modeli karşılaştırmalarda %60,8 oranında geride bıraktı. Eğitim sırasında kullanılan aynı ölçütle derecelendirme yapmaktan kaçınmak için araştırmacılar, GPT-5.5 ve Claude Opus 4.8'in tamamlanan çalışmayı değerlendirmesini sağladılar ve bu değerlendirmeler MASS'ın kendisinden saklandı.
Kalitenin yanı sıra verimlilik de arttı. İki turdan sonra, çıktı tokenı başına puan, MLR-Bench, DSBench, ScienceAgentBench ve AstaBench olmak üzere dört genel kıyaslamada temel modelin seviyesinin 1,2 ila 1,6 katına ulaştı.
Yalnızca Bir Yetenek Demosu Değil, Bir Güvenlik Sorusu
Yazarlar, kurulumun bir güvenlik araştırması olarak ikiye katlandığını açıkça belirtiyor. Otomatik araştırma sistemleri kendi yeteneklerini bir araya getirebilirse, kontrolden çıkan iyileşme sağlayan koşulların erken anlaşılması gerekir - makale, bir istihbarat patlaması olasılığının "bu koşulları erkenden incelemek için daha fazla neden sağladığını" belirtiyor ve temel sorusunu, daha güçlü bir denetçi bulunmadığında anlamlı gözetimin nasıl korunacağı olarak çerçeveliyor.
Yayın, tam da bu risk üzerine yoğunlaşan tartışmanın ortasında yer alıyor. Eylül ayı sonlarında Geoffrey Hinton, Yoshua Bengio ve diğer önde gelen bilim insanları, kontrolden çıkmış bir istihbarat patlaması olasılığı hakkında kamuya açık bir uyarı yayınladılar ve bilimsel çalışmalar yürüten ajan sistemlere yönelik araştırmalar bu alanda hız kazandı.
Akılda Tutulması Gereken Sınırlamalar
Sonuçlar yazarların kabul ettiği uyarılarla birlikte geliyor. Sentetik paket küçüktür ve tüm eğitim sinyalleri kendi kendine üretilir; bu, modelin kendi kararlarının doğruluğunun tasarım gereği bilinmediği anlamına gelir; harici hakemler eğitim için değil yalnızca ölçüm için kullanılır. İş akışı aramasında referansını aşan herhangi bir iş akışı bulunamadığı için bir eğitim görevi hariç tutuldu; bu, döngünün her zaman kazanç sağlamadığını hatırlattı. Ve dış değerlendirmelerin kendisi de temel gerçeğin kusurlu temsili olan sınır modellerine dayanıyordu.
Sırada Ne Var?
Sakana AI için MASS, laboratuvarın AI odaklı deney oluşturma ve araştırma iddialarını kontrol etmek için aracılı inceleme sistemleri üzerine yaptığı önceki çalışmaların ardından, bilimsel sürecin kendisini otomatikleştirmeye odaklanan bir araştırma gündemini genişletiyor. Kolektif öz denetim reçetesi sentetik görevlerin ötesine geçerse, hedeflediği darboğaz (sınırda yapay zeka çıktısının denetlenmesi) otomatik araştırma sistemleri çoğaldıkça daha da acil hale gelecektir.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
