Sakana AI ニュース 2026/10/12 AI判定 重要度:中

Sakana AI、マルチエージェント自己教師付け手法「MASS」を発表 再帰的自己改善の新アプローチ

#Sakana AI#MASS#再帰的自己改善#マルチエージェント#自己教師付け#研究

Sakana AIは、UCバークレーの研究者らと共同で、2026年10月12日に新しい研究論文を発表しました。発表された手法「Multi-Agent Self-Supervision(MASS)」は、1つの共有モデルが複数の仮想サブエージェントからなるチーム全体の役割を演じ、そのチーム自身が生み出した最良の成果から学習するという、再帰的自己改善(RSI)の新たなアプローチです。

詳細

  • 基本アイデア: 1つの共有モデルがサブエージェントのチームとしてタスクを解き、自らの試行の中からより良いマルチエージェント・ワークフローを探索し、自身の判断で最も優れたものを選び出す。選ばれたチームの統合された経験は、同じ共有モデルの学習に再び取り込まれる
  • 核心的な問い: 研究チームは本研究を「モデルは自身のチームの集合知から学習できるか」という問いへの検証と位置づけている
  • 実験設定: 270億パラメータのオープンウェイトモデルに対し、合成の自由形式リサーチタスクを用いて再帰的改善を2サイクル実施
  • 結果: 2回目の改善サイクル終了後、4つのリサーチ系ベンチマークにおいて、出力トークンあたりのスコアがベースモデルの1.2〜1.6倍に達した
  • 主な発見: タスク解決データのみで学習させても、ループ内の「オプティマイザー」役と「評価者」役の両方の性能が向上した。マルチエージェントの軌跡データは、シングルエージェントの軌跡データよりも学習データとして効率が高いことが判明。改善速度を制約するボトルネックは、評価者の能力ではなくオプティマイザーの能力である可能性がある
  • 著者らが指摘する安全性への留意点: 同一モデルが作業の実行と評価の両方を担うため、共有された「盲点」によって誤りが進歩として見過ごされ、さらなる学習で強化されてしまうおそれがある。論文は、こうした「同質的なRSI」について、失敗を検知し介入できるよう慎重な研究が必要だと訴えている
  • 公開形態: arXiv論文(2610.12176)として発表され、GitHub上でオープンソースのコードも公開されている
  • 著者: Sakana AIのHyunin Lee、Jinglue Xu、Jeffrey Seely、Yujin Tangと、UCバークレーの共同研究者Somayeh Sojoudi、Matei Zaharia、Donghyun Lee

その後

MASSは、Sakanaによるエージェントおよびロボットのトラジェクトリスケーリングに関する過去の研究に続く、自己改善型AIシステムに関する研究の積み重ねの一つとなる。製品発表ではなく論文とオープンなコードとして公開されているため、独立した研究者が1.2〜1.6倍という性能向上を再現できるか、また著者ら自身が指摘した安全性の懸念――モデルが大規模に自分の答案を自己採点することで、体系的な誤りを検出するのではなく隠してしまう可能性――を検証できるようになった。