MASS 通过智能体团队训练单个模型

Sakana AI 与加州大学伯克利分校（UC Berkeley）推出了 MASS。这种训练方法让一个模型通过设计智能体团队、评判其工作，并从最佳结果学习来改进。

预印本针对无法用编译器或精确解检查答案的研究任务。不是手动固定多智能体工作流，而是由同一底层模型写出角色、指令、输出约定和调用顺序，执行形成的团队，再评分候选答案。

为什么重要

对构建研究智能体的团队，工作流设计通常又是一项手动提示词工程项目。MASS 将设计转成训练的一部分，部署时去掉多智能体机制，让改进的单模型无需支付整个搜索过程的成本即可回答。

方法有两重循环。内循环中，工作流优化器提出书面团队结构，执行器运行。评判器从没有自动真实答案的任务中选择更强输出。外循环中，用选定团队运行微调模型，成为下一轮起点。

作者将过程比作自我对弈，但对手不是另一玩家。模型为自身副本创造越来越有挑战性的协作形式，再把最佳行为吸收到一个检查点。团队拓扑因此是临时训练支架，而非永久推理服务要求。

选择质量是关键依赖

MASS 依赖模型判断，因为目标研究问题没有确定性判定器。论文使用独立前沿模型，包括 GPT-5.5 和 Claude Opus 4.8，作为评测中留出的裁判。Sakana 报告，训练后的模型提高了被评判的答案质量，同时使用的输出 token 少于生成训练材料的多智能体团队。

证据仍来自语言模型评测内部。裁判可能偏好润色、熟悉或冗长的回答，而不测量研究主张是否真实。留出裁判减少对一个评判器的直接过拟合，却没有提供真实事实答案。结果最好理解为论文评判协议下的改进。

训练程序试图避免坍缩到一个偶然成功的工作流。每一代运行冠军锦标赛 18 次，保留最佳 16 条团队轨迹用于微调。优化器可以修改角色描述、通信顺序和输出格式，比从少数固定提示词中选择更自由。

共享模型设计也限制了主张。执行器、优化器和评判器是一个模型家族承担的角色，而非独立专业系统组成的市场。这更容易将递归改进归于训练循环，但异构团队是否会发现不同策略仍未知。

训练后工作流消失

最明确的实际特征是蒸馏进基础模型。部署后的用户无需重放 18 次锦标赛，也无需维护最终团队图。额外计算集中在数据生成与训练，推理直接使用生成的模型。

论文与项目描述公开，可更仔细检查提示词和评测设计。独立复现需测试，增益是否能经受不同裁判、事实核实，以及作者研究集之外的任务。

核实