首页 文章 精选 留言 我的

精选列表

搜索[AI],共10000篇文章
优秀的个人博客,低调大师

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

**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。 ![](https://developer.qcloudimg.com/http-save/yehe-10911842/bc9ea13e2853074a7883ad7ead60bdae.jpg) 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。 ![](https://developer.qcloudimg.com/http-save/yehe-10911842/88e88d28b31878870363ec87c87e425e.jpg) 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。 ![](https://developer.qcloudimg.com/http-save/yehe-10911842/7fffc03540ba9871dc61eb9f60878db9.jpg) 四、对智能体产品的三条启示 **1. 「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**。 **2. 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。 **3. 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。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册
修改密码
忘记密码