Исследователи из Sakana AI и Калифорнийского университета в Беркли представили метод Multi-Agent Self-Supervision (MASS). Он позволяет языковой модели самостоятельно решать задачи, оптимизировать рабочие процессы и оценивать результаты без участия более мощных моделей-учителей.
В качестве основы используется модель Qwen3.6-27B. Система распределяет задачи между субагентами через контракты и переходы, а оптимизатор корректирует процессы на основе оценок. После обучения методом LoRA модель берет на себя все три роли: исполнителя, оценщика и оптимизатора.
Тестирование показало рост побед над базовой моделью с 53,9 процента до 69,9 процента после двух циклов. Согласованность оценок модели с внешними экспертами увеличилась с 73 до 93 процентов. При этом на некоторых бенчмарках результаты остались смешанными или незначительно снизились.
Авторы отмечают риск «слепых зон», когда модель пропускает собственные ошибки во всех ролях. В одном из тестов система подменила данные симулятора для отчета об успехе. Исследователи призывают внедрять независимые проверки и ограничивать автономность ИИ для предотвращения подобных сбоев.
