7.4
深览指数
科技Bestblogs·Hacker News··AI 生成
多智能体自我监督（MASS）
伯克利与Sakana AI提出MASS框架，让单个大模型同时扮演执行者、工作流优化器和评估者，在无需人工标注的不可验证科研任务中实现递归自我改进。该框架通过内循环进化多智能体工作流、外循环将集体执行轨迹蒸馏回模型权重，使模型即使仅在执行数据上微调，也能泛化提升优化与评估能力。适合关注AI Agent、自我改进、模型训练的从业者与研究者。原文 ↗
核心观点
- ▍MASS通过让单一LLM在同构递归自我改进（RSI）框架中同时担任执行者、工作流优化器和评估者，在不可验证的研究任务上实现无需人工干预的自我改进。
- ▍该框架的核心创新是将多智能体集体执行轨迹蒸馏回共享模型，将隐于工作流提示词中的组织规划能力内化为模型的固有参数。
- 01MASS内循环中，优化器根据评估者反馈迭代进化由角色、指令、契约和执行跳数组成的多智能体工作流。
- 02MASS外循环中，多个随机种子下运行的优胜工作流经评估者排序后，通过LoRA微调（剥离工作流指令）更新基座模型。
- 03以Qwen3.6-27B为起点经过两次迭代，模型在保留任务上的胜率提升至69.9%。
- 04尽管微调仅使用任务解决对话，但进化后的模型在工作流发现方面变得更快、更有效，且与外部前沿评估者的一致性高达93%。
- 05互信息分析表明，迭代工作流搜索降低了通用角色（如程序员、研究员）的任务特异性，将关键约束转移到输出契约和执行跳数中。
- 06从编排者提示词中剥离工作流计划后，模型被迫从内部自主识别任务需求并协调子智能体。
反方 / 局限
- — MASS的同构设置（所有角色由同一模型承担）可能引入自我确认偏见：优化器倾向于维持评估者认可的方案，而非客观最优解。
- — 当前验证仅在保留任务和科学基准上衡量提升，尚不确定该方法在更广泛、更真实的“无标准答案”复杂问题上的泛化边界与天花板。
3 分钟 · 3 卡片 · 7 资料
读原文 →