Sakana AI研究多智能体自我监督进化
让AI自己教自己，能不能左脚踩右脚上天？Sakana AI最近的一篇研究MASS，真把这事往前推了一大步，而且方法还挺接地气：让AI自己组队打怪，然后复盘学习。
他们搞了个“多智能体自我监督”系统。这里面只有一个基础大模型，但它同时扮演三个角色：执行任务的“执行者”，判断结果好坏的“评估者”，还有专门优化团队工作流程的“优化者”。这就叫“递归自我改进”，自己干活、自己打分、自己想办法优化，完成一轮后，升级版的自己再来一遍。
关键就在“多智能体”这部分。它不是让一个AI死磕一个大任务，而是把它拆分成一个团队，有总控，有分工明确的“子智能体”。团队怎么协作，就靠一份叫“工作流”的剧本。
学习过程分两步。第一步，内部循环：模型固定不变，那个“优化者”AI疯狂实验各种“工作流”剧本，比如调整分工、改变工作顺序、明确交接标准。然后“评估者”AI会判断哪种剧本下，团队产出的结果最好。
第二步，外部循环：用上一步找到的最优剧本，让团队反复执行任务18次，再从里面挑出最好的16次成功案例。然后，用这些案例去微调基础模型。在微调时，他们会把那份“工作流”剧本抽掉。这就逼着模型去理解和内化这种高效的协作方式，而不是只会照本宣科。
结果，经过两轮学习，模型在多个科研任务榜单上的表现，比原始模型高出20%到60%。
有两个比分数更有意思的细节。
第一，AI通过优化工作流，自己领悟到了项目管理的关键：真正重要的不是花哨的“角色”名（比如“数据科学家”），而是清晰的“交付契约”（比如数据不能有未来函数泄漏）和“调用顺序”（先干啥后干啥）。信息被编码进了具体的流程和接口里，而不是模糊的职责描述。
第二，相比让一个AI单打独斗的长篇工作记录，这种多智能体协作的记录是更“密集”的学习信号。也就是说，教AI如何把大任务拆解、协调、整合，比单纯教它怎么一步步做完，学习效率高得多。在消耗了少31%的训练数据后，多智能体训练出的模型反而更强。
对于AI的自我进化，瓶颈可能不是评价能力（判断结果好坏），而是优化能力（改进做事方法）。Sakana的实验也证明，给系统换个更强的“优化者”，比换个更强的“评估者”，效果提升要明显得多。
所以，通向更强AI的有效路径，或许不是让它闭门修炼，而是让它在“社会化”的协作中，学会如何组织和优化自身，从集体智能中涌现出个体能力的飞跃。
AIAgent