Multi-Agent Self-Supervision (MASS) permite a melhoria recursiva autorregulada (RSI) usando um único modelo de IA como otimizador e avaliador de si mesmo. Essa abordagem homogênea aborda o desafio de avançar além do conhecimento humano, onde os especialistas humanos podem ter dificuldade em avaliar resultados em tarefas não verificáveis. O MASS repetidamente otimiza fluxos de trabalho de múltiplos agentes, destila a inteligência coletiva de sistemas de múltiplos agentes e o utiliza como sinal de autor-supervisão. O otimizador procura o melhor fluxo de trabalho da equipe usando o feedback do avaliador, em seguida treina o executor nas melhores execuções da equipe autoavaliadas. O modelo atualizado ocupa as três funções e repete o processo, melhorando a pontuação por token de saída em relação ao modelo base em benchmarks de pesquisa. A abordagem se inspira nas sociedades humanas, onde conquistas coletivas servem como pontos de partida para aprendizagem, e do conceito de Thomas Kuhn de exemplos compartilhados que permitem a resolução de problemas científicos.
Entidades-chave: Empresas: Sakana AI | Pessoas: Thomas Kuhn
Fonte: Hacker News · Resumido por HeadlinesBriefing