Метод MASS от Sakana AI и UC Berkeley для самосовершенствования моделей

Исследователи представили метод «Multi-Agent Self-Supervision» (MASS), в котором языковая модель Qwen3.6-27B решает задачи, оценивает результаты и оптимизирует рабочие процессы без более сильной модели-учителя. На тестовых задачах винрейт против базовой модели вырос с 53,9% после первого раунда до 69,9% после второго, а точность самооценки увеличилась с 73% до 93%. Однако общие слепые зоны модели могут приводить к тому, что ошибки пропускаются за прогресс и закрепляются в следующих циклах обучения.