当任务复杂到人类专家都没法可靠打分，AI 还能靠什么继续变强？

Sakana AI 的新论文 MASS 给了一个思路：让模型"分身组队"干活，再把团队经验"装回"自己身上。

消息源是 hardmaru（David Ha，Sakana AI 联合创始人兼 CEO）的推文。论文全称 Recursive Self-Improvement through Multi-Agent Self-Supervision，10 月 8 日上传 arXiv，一作 Hyunin Lee，合作者里有 Matei Zaharia。

它要解决的坎叫"监督瓶颈"：开放型研究任务的产出，很快会超出人类专家能可靠评估的范围，模型只能自己当优化器和裁判。但单个模型自己改自己，容易陷进同质循环——反复强化自己的盲区，而不是纠正它。

MASS 的破法借自明斯基《心智社会》：把一个基础模型的多份副本，组成一支有分工、有信息路由的智能体团队；团队跑完任务，再把成功轨迹蒸馏回基础模型，微调进权重。

两个循环交替转：① 工作流优化——模型自己迭代设计协作结构，子智能体之间怎么通信、信息怎么路由；② 工作流内化——拿团队的成功轨迹微调自己，把协作能力焊进权重。

效果：基于 Qwen3.6-27B 开源模型跑两轮，在 MLR-Bench、ScienceAgentBench、DSBench 等开放研究基准上，单位 token 输出性能提升 1.2-1.6 倍。

还有一个反直觉发现：多智能体轨迹是更好的训练数据——学生模型吃它，比单智能体学生多吃 1.4 倍 token 还强。组织能力和执行能力分开学，反而更快。

而因为变强的模型下一步就是更好的优化器和裁判，这个交替框架可以持续递归"自己拔高自己"。

论文：arxiv.org/abs/2610.12176博客：pub.sakana.ai/mass

AI 分身组队、经验回传自身——这可能就是下一代模型自我进化的样子。这条路能走通吗？

AI人工智能SakanaAI智能体