让 AI 自己教自己:多智能体自监督打开了递归自我改进的口子

简介: 伯克利与Sakana提出MASS:让基础模型自主组建多智能体团队,通过“进化工作流+自生成轨迹微调”两轮循环实现递归自提升。两轮后性能提升1.2–1.6倍,同等token下效果超越单智能体训练——自监督信号质量更高。(239字)

一句话版本:当模型产出超出人类专家的评估能力,谁来当老师?答案是「模型自己组织的智能体团队」——MASS 方法让基础模型自己提出、执行、评估多智能体工作流,再拿这些轨迹反过来训练自己,两轮循环性能提升 1.2-1.6 倍。
一句话版本(先给结论)
伯克利与 Sakana 团队提出 MASS(多智能体自监督):交替进行「进化式工作流优化」与「自生成轨迹微调」——模型先为任务进化出最优的多智能体编排(角色分工+信息路由),再把这些多智能体轨迹当训练数据微调自身。两轮循环后,同等 token 产出性能提升 1.2-1.6 倍;且用多智能体轨迹训练的学生模型,胜过用 1.4 倍数据训练的单智能体学生——自监督的信号质量更高。
1.png

一、递归自我改进的「老师瓶颈」
递归自我改进(RSI)是智能体领域的圣杯方向:模型改进模型,能力滚雪球。但它在开放性任务上卡在一个根本瓶颈——监督信号从哪来?

  • 代码可以跑测试验证对错;但「一份研究方案好不好」「一个策略优不优」这类不可验证任务,连人类专家都评不稳;
  • 单模型自我批评(同质回路)效果差:同一个模型用同一套偏见审自己,错的地方照样错。
    论文的解法一针见血:单个模型不行,就让它组织一支风格各异的智能体团队来互相监督。
    二、MASS 的两步循环:先进化编排,再吃轨迹
    第一步:进化式工作流优化。 基础模型针对任务提出多种多智能体工作流(像计算图一样的编排:哪些角色、谁向谁传递什么信息),执行后自评效果,在结构护栏约束下做进化搜索——保留有效分工,淘汰冗余路由。多智能体拓扑在复杂推理上的优势(异质视角+分工)就这样被「搜」了出来。
    第二步:自生成轨迹微调。 把最优工作流产生的执行轨迹(含中间步骤与反馈)作为训练数据,微调基础模型本身。改进后的模型又成为下一轮更强的「工作流设计者+评估者」——递归自举开始滚动。
    2.png
    三、三个关键结果
  1. 性能:四个开放性公开基准上,两轮 MASS 后每 token 产出性能提升 1.2-1.6 倍;
  2. 训练效率:用多智能体轨迹训练的学生模型,超过用 1.4 倍 token 训练的单智能体学生——多智能体轨迹里「分工+路由+反馈」的结构信号,比单线思维链密度更高;
  3. 持续滚动:模型变强后,它设计的工作流和评估也更准——改进会自我强化,而非一轮见顶。
    3.png
    四、对智能体产品的三条启示
  4. 「自监督数据」是新的数据护城河。 你的智能体系统每天跑出的高质量轨迹(尤其是多智能体协作轨迹),就是下一版模型的训练金矿——产物落盘不只是为了回溯,更是数据资产。
  5. 编排本身值得被优化,而不是被手写。 哪个环节配什么角色、信息怎么路由,进化搜索+护栏约束比人工设计更能逼近任务结构——把「工作流编排」从配置项升级为可学习对象。
  6. 团队化是多智能体的第一性价值。 不是「人多力量大」的堆料,而是异质视角提供的监督信号——这恰恰是自监督回路里最缺的东西。
    结语
    RSI 的叙事长期停在「模型评审模型」的同质回路里,MASS 用多智能体拓扑把回路打破了一角:当评估者足够多样,自己教自己才成立。做多智能体平台的团队,你们的轨迹数据正在升值。
    论文:Recursive Self-Improvement through Multi-Agent Self-Supervision(arXiv 2610.12176)
    BuddyMe 每日免费 4500 万 Token。
目录
相关文章
|
1月前
|
人工智能 运维 小程序
1人搞定17家企业年做200万:不裸辞先接单的“AI落地商人“
本文是「OPC一人公司通关手册」第33篇,聚焦AI落地新蓝海:当大模型过剩,真正稀缺的是“把AI装进业务”的前线部署工程师(FDE)。98年北京小伙不裸辞、先接单,一人调度4-5个AI智能体,2025年服务17家企业、实现200万业绩——验证了“先有项目、后有公司”的OPC最稳路径。(239字)
|
1月前
|
存储 安全
不改模型权重,让智能体自己进化:脚手架自我改良的路线图
本文提出“脚手架自我进化”范式:智能体无需重训模型,只需持续迭代提示词、记忆、工作流与工具等外围“脚手架”,并以执行反馈驱动、独立验证把关、持久化生效,即可实现安全、可审计、越用越强的可靠进化。
258 2
|
2月前
|
人工智能 架构师 云栖大会
2026云栖大会 | 阿里云洛神云网络技术Session主题资料和视频回放归档
2026年9月24日-26日,杭州,一年一度的云栖大会如期而至。阿里云飞天洛神云网络围绕"从连接万物到连接智能,加速客户AI创新"这一主题,集中发布AI Infra网络新基建、Agent应用网络、边缘智能推理、游戏公网质量治理等方向的产品能力升级,并分享小鹏汽车、Maxinsights、网易互娱、Megaport等客户与生态伙伴的一线实践。本文归档2026云栖大会云网络分论坛的全部主题演讲PPT与视频回放链接,方便开发者按需检索。
1369 1
|
1月前
|
人工智能 自然语言处理 小程序
阿里云万小智最新3.0版本,首月低至15元,建站+经营,支持GEO/SEO/内容分发
阿里云万小智AI建站是原云·速成美站的升级产品,融合AI生成与零代码理念,凭自然语言对话与拖拽即可快速建站。3.0版本将能力从建站延伸至经营,新增应用诊断优化、GEO/SEO原生内容创作与多渠道内容分发,定位为AI建站与经营平台。产品分Web与小程序两类,各有轻量、标准、高级三档,价格360/980/1980元每年,轻量版首月低至15元。高端定制可选云·企业官网,两者互补覆盖全场景。
|
1月前
|
人工智能 API 开发者
AI改作文月入近5万:95后解散4人团队单干,一人公司深度拆解
本文是「OPC一人公司通关手册」第28篇,深度拆解一位95后双学位创业者的真实案例:他解散4人团队,用AI打造垂直作文批改工具,专注K12语文/英语老师刚需,注册用户超2万,付费率13–14%(行业均值10%),月入近5万。核心启示:AI不是辅助,而是替代执行层;一人公司的胜负手,在于“细分切口+订阅模式+极简成本”。
|
2月前
|
SQL 人工智能 前端开发
QoderWake 1.0 正式发布:从桌面里的 Agent,到工作现场的数字员工
QoderWake v1.0正式发布:企业级数字员工团队平台。支持“一句话建岗”,预置10类特训岗位;Waker常驻钉钉/飞书群,@即响应、自动协作、跨任务记忆;具备定时/事件/API多触发方式与统一任务看板;已沉淀27.6万条记忆、12.3万项技能,助力组织实现人机协同增效。
1576 3
|
3月前
|
人工智能 JavaScript API
#Codex接入DeepSeek-V4-Flash完整实操指南:搭配qwen3-vl-flash补齐图像识别两套落地方案
在AI编程工具快速普及的当下,Codex作为终端与桌面端一体化代码智能体,凭借读写本地文件、执行终端命令、多步骤代码重构、工具调用等能力,成为大量开发者日常开发的核心辅助工具。但原生Codex依赖官方模型订阅,长期使用成本较高,不少开发者开始寻找性价比更高的第三方推理基座,DeepSeek-V4-Flash凭借原生适配Codex所需的Responses API、百万级上下文窗口、低廉的Token计费标准、完善的Agent工具调用能力,成为替换原生模型的最优选择之一。
495 2
|
5月前
|
自然语言处理 API
SkillOpt 让你的 Skill 实现自进化
SkillOpt是微软开源的文本空间优化器,专为优化Agent的自然语言技能文档(如Markdown格式的skill.md)而设计。它不修改模型参数,而是通过“执行-反思-更新-验证”闭环,自动迭代出更鲁棒的`best_skill.md`,让技能持续适配真实任务,提升Agent在复杂流程、多源判断、跨项目迁移等场景中的稳定性与准确性。
667 0
SkillOpt 让你的 Skill 实现自进化