Multi-Agent Self-Supervision (MASS) обеспечивает рекурсивное самоулучшение (RSI) путем использования одной модели ИИ одновременно как оптимизатора и собственного оценщика. Этот однородный подход решает задачу продвижения за пределы человеческих знаний, где человеческие эксперты могут испытывать трудности с оценкой результатов на непроверяемых задачах. MASS повторяет оптимизацию многоагентных рабочих процессов, дистиллирует коллективный интеллект многоагентных систем и использует его как сигнал самосупервизии. Оптимизатор ищет лучший рабочий процесс команды, используя обратную связь от оценщика, затем обучает исполнителя на лучших исполнениях команды с самопроверенной оценкой. Обновленная модель занимает все три роли и повторяет процесс, повышая оценку на каждый выходной токен по сравнению с базовой моделью на исследовательских бенчмарках. Подход вдохновлен человеческими обществами, где коллективные достижения служат точками начала обучения, и концепцией Томаса Куна о совместных примерах, обеспечивающих научное решение проблем.
Ключевые сущности: Компании: Sakana AI | Люди: Thomas Kuhn
Источник: Hacker News · Сводку подготовил HeadlinesBriefing