一句话看懂：alphaXiv 2026年10月8日收录的论文提出 MASS 方法，让同一基座模型在多智能体自我监督下迭代优化工作流与执行，在开放研究基准上把单位输出 token 的性能提升约1.2-1.6倍。
事件核心：发生了什么
根据 alphaXiv 论文摘要，研究者提出 Multi-Agent Self-Supervision（MASS），一种面向递归自我改进的框架，目标是缓解开放式研究等任务中“输出超出人类专家可靠评估能力”的监督瓶颈。MASS 在进化式工作流优化与自生成轨迹监督微调之间交替：提示单一基座模型不断提出、执行并自评多智能体工作流，通过带结构护栏的进化搜索，为特定任务发现有效的角色分工与信息路由。目前公开信息显示，使用 Qwen3.6-27B 进行两轮 MASS 迭代后，模型在四个开放式公开基准上达到每输出 token 1.2-1.6 倍于基座的得分。摘要还提到，在共享评测任务上，多智能体学生模型 28.82M 监督 token 后对基座胜率68.3%，而单智能体学生模型42.00M token 后为64.0%，但论文明确说明这不是严格的数据匹配实验。
为什么重要
大模型的递归自我改进在可验证任务上已有进展，但在开放研究、策略回测等难以自动判分的场景中，监督信号稀缺。MASS 的思路不是让单模型反复自我批评，而是把“编排”和“受限子代理执行”拆开学习：编排器学委派、验证与整合，子代理学局部执行。若该机制成立，模型可以把越来越好的工作流作为下一轮训练的素材，形成能力自举。目前公开信息显示，这种增益并未覆盖所有基准，在 Terminal-Bench 2.0 和 SWE-bench Verified 上每 token 得分比分别为0.96倍和0.94倍，说明其对开放性研究任务更有效，而非通用提效。
对用户/开发者/创作者的影响
对开发者而言，MASS 提示了一条不单纯堆推理算力、而是靠工作流结构与轨迹复用提升多智能体系统效率的路径。如果后续开源或产品化，企业构建研究型 AI 应用时可能更关注：如何把复杂任务拆给带输出契约的子代理、如何以自评筛选高质量轨迹做微调。对创作者和普通用户，短期内更现实的影响是多智能体产品的工作流可被自动搜索与优化，但摘要未提及任何 API、价格或上线计划，也不代表已经可用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 MASS 能否在更多非验证任务上复现收益，特别是开放研究之外的长链条任务；二是多智能体轨迹的训练效率优势是否在严格数据匹配条件下仍成立；三是这套自我监督循环是否会被集成进开源或闭源模型的训练管线，以及算力成本是否可接受。
来源：alphaXiv
