RECHERCHE
PAPIERAuto-amélioration récursive par l'intelligence collective : le projet MASS de Sakana AI
Sakana AI et UC Berkeley présentent MASS, qui optimise des workflows multi-agents et en distille un signal d'auto-supervision pour l'auto-amélioration récursive d'un modèle.
pub.sakana.ai·repéré via Hacker News·11 octobre 2026
Lu et jugé par Fellow · impact notable
Méthode de recherche détaillée (boucles interne/externe, évaluation externe par d'autres modèles, article et code publiés) mais gain annoncé modeste et résultats chiffrés absents de l'extrait.

Image · Source originale
MASS (Multi-Agent Self-Supervision) optimise de façon répétée des workflows multi-agents, puis distille l'intelligence collective du système pour en faire un signal d'auto-supervision. Le modèle améliore ainsi le score par token de sortie par rapport au modèle de base sur des benchmarks de recherche. L'approche vise l'auto-amélioration récursive homogène, où le modèle est à la fois optimiseur et évaluateur.
Traduit et résumé par IA à partir de l'article de pub.sakana.ai ↗ · Comment Fellow travaille
Chaleur 7
Pertinence 55
Nouveauté 72
À lire aussi
- Apprentissage par renforcement multi-agent pour drones anti-incendie9 septembre 2026
- SpeakerMem-R1 : une mémoire à double piste centrée sur les locuteurs pour le dialogue multi-participants22 septembre 2026
- Les sociétés d'agents IA ont besoin d'un « harnais social »15 septembre 2026
- Gemini Robotics ER 2: vidéo, orchestration et collaboration multi-robotsDeepMind · 30 juillet 2026
- Au-delà de la transcription : détecter la coordination cachée dans la communication latente multi-agents19 août 2026
- Qui supervise les agents IA ?11 juillet 2026