Sakana AI, in collaborazione con ricercatori di UC Berkeley, ha presentato Multi-Agent Self-Supervision (MASS), un framework progettato per consentire ai sistemi di intelligenza artificiale di continuare a migliorare anche quando i compiti diventano troppo complessi per essere valutati in modo affidabile dagli esseri umani.

Sakana AI è un laboratorio di ricerca con sede a Tokyo, fondato nel 2023 da ex ricercatori di Google, tra cui Llion Jones, coautore dell'articolo del 2017 che ha introdotto l'architettura Transformer alla base di gran parte dell'AI odierna. Il laboratorio prende il nome dalla parola giapponese che designa il pesce — un riferimento al comportamento di banco che richiama l'impostazione di intelligenza collettiva del nuovo lavoro: l'auto-miglioramento ricorsivo attraverso squadre di agenti.

Il lavoro affronta un problema crescente nello sviluppo dell'AI: man mano che i modelli vanno oltre la conoscenza accumulata dall'umanità, gli esperti umani potrebbero non essere più in grado di giudicare o guidare i loro output. MASS affronta il problema rendendo il modello il proprio ottimizzatore e valutatore — una forma di auto-miglioramento ricorsivo omogeneo, in cui ogni agente nel ciclo è una copia dello stesso modello di base — cercando al contempo di evitare la trappola di un sistema che rafforza i propri punti ciechi.

Il framework alterna due cicli. Nel ciclo interno, il modello organizza copie di sé stesso in una squadra di subagenti virtuali governati da un workflow scritto che specifica il ruolo di ciascun subagente, le sue istruzioni, i contratti sulle informazioni da scambiare e l'ordine delle chiamate. Un orchestratore esegue il workflow, un valutatore confronta i risultati con il campione attuale e un ottimizzatore propone revisioni. Nel ciclo esterno, le traiettorie multi-agente con le migliori prestazioni vengono distillate nei pesi del modello condiviso tramite fine-tuning, dopodiché il modello aggiornato riprende tutti e tre i ruoli e il ciclo si ripete.

Dopo due cicli completi a partire da un modello open-weights da 27B di parametri, le prestazioni misurate come punteggio per token di output — una visione delle capacità normalizzata per calcolo — hanno raggiunto 1,2-1,6 volte il livello del modello di base su benchmark di ricerca tra cui MLR-B, ScienceAgentBench, DSBench e AstaBench, con i miglioramenti confermati da giudici esterni tenuti fuori dal processo di addestramento.

Introducing Multi-Agent Self-Supervision (MASS): Recursive self-improvement through collective intelligence Blog: As AI systems tackle increasingly open-ended research problems, human experts may struggle to assess results and guide further progress. The… pic.twitter.com/OWjbfIOEsy

— Sakana AI (@SakanaAILabs) October 11, 2026

Risultati principali: segnali densi, generalizzazione dei ruoli e nuovi colli di bottiglia

I ricercatori riportano tre risultati principali. Primo, MASS consente la generalizzazione dei ruoli: l'addestramento esclusivamente su traiettorie di risoluzione di compiti ha migliorato non solo l'executor, ma anche l'ottimizzatore del workflow e il valutatore, con l'accordo tra i giudizi del modello e forti giudici esterni salito dal 73% al 93% attraverso i cicli. Questo suggerisce che il ciclo di auto-miglioramento può mantenersi da solo, poiché le capacità di produrre e selezionare i futuri dati di addestramento migliorano insieme alle prestazioni sui compiti.

Secondo, le traiettorie multi-agente si sono rivelate sostanzialmente più efficienti come dati di addestramento rispetto a quelle mono-agente. Il modello ha raggiunto un tasso di vittoria del 68,3% sul modello di base utilizzando il 31% in meno di token supervisionati rispetto a un approccio mono-agente comparabile — evidenza che l'apprendimento congiunto dell'orchestrazione di alto livello dagli orchestratori e dell'esecuzione vincolata dai subagenti fornisce un segnale di apprendimento più denso per token.

Terzo, e forse controintuitivo, le ablazioni hanno mostrato che il collo di bottiglia nell'auto-miglioramento ricorsivo può essere l'ottimizzatore anziché il valutatore. Sostituire un modello esterno più forte come solo valutatore è stato di poco aiuto, ma aggiornare sia il valutatore sia l'ottimizzatore ha permesso al sistema di trovare workflow vincenti per tutti e 12 i compiti di test entro cinque iterazioni, rispetto a 11 su 12 per il ciclo completamente omogeneo, che semplicemente richiedeva più tempo.

L'analisi dei workflow evoluti ha rivelato che un coordinamento efficace sposta le informazioni specifiche del compito nei contratti e nell'ordine delle chiamate — il modo in cui gli agenti si scambiano e verificano le informazioni — piuttosto che nei ruoli. Gli autori sottolineano anche le implicazioni per la sicurezza: in un ciclo omogeneo, i punti ciechi condivisi potrebbero consentire che risultati difettosi vengano accettati come progressi e rafforzati attraverso l'addestramento, rendendo essenziali meccanismi di verifica indipendenti man mano che le capacità di auto-miglioramento avanzano.