Sakana AI 于 2026 年 10 月 12 日在官网发表新论文，提出多智能体自监督方法 MASS，论文已挂上 arXiv（编号 2610.12176），代码同步开源。它要回答的问题很具体：当任务开放到人类专家都难以评估和指导时，模型能不能靠自己组成的团队给自己提供训练信号，而不是在同质化的自我循环里反复强化自己的盲区。
同一个模型，分饰解题者、优化者和评委
MASS 的做法是让一个共享模型以多个虚拟子智能体的形式组队解题，同时搜索更好的多智能体协作流程，再用模型自己的判断从中选出最优的一个；最后，把最佳团队的执行轨迹拿来训练这个共享模型，等于把团队的集体经验蒸馏回单个模型。团队在这里不是部署形态，而是一种生产训练数据的办法：先用协作把解题水平抬上去，再把抬上去的部分固化进模型本身。
两轮循环后，单位 token 得分涨到 1.2 至 1.6 倍
实验在一个 270 亿参数的开放权重模型上跑了两轮，任务是合成的开放式研究问题。两轮之后，在四个研究类基准上，每输出一个 token 换来的得分达到基线模型的 1.2 到 1.6 倍。作者还给出三个观察：只用解题轨迹训练，模型担任优化者和评委的能力会跟着一起变强，出现了角色泛化；多智能体轨迹作训练数据比单智能体轨迹更高效；在这一轮实验里，限制改进速度的瓶颈是优化者的能力，而不是评委的能力。
作者自己先把风险写在了前面
这篇论文没有回避方法最危险的一面：当模型同时是自己的评委，它和解题者共享同一套盲区，错误完全可能被当成进步选出来、再被训练放大。Sakana AI 明确表示，同质化的递归自我改进需要社区认真研究失效模式，保留人类能发现问题、能介入纠正的手段。换句话说，MASS 目前证明的是这条路在受控实验里走得通、且效率指标好看，离能放心放进真实研究流程还隔着评委可信度这一关。关注智能体训练的团队可以先复现它的两轮循环和评选环节，重点看自评选出的最优流程经不经得起外部基准的复核。
