2026年10月12日付で、Sakana AIは「Multi-Agent Self-Supervision（MASS）」を発表した。複数のAIエージェントを使う研究だが、焦点はチームに一度よい回答を作らせることだけではない。チームで得た知見を、モデル自身の次の学習に使えるかという問いにある。
発表が挙げる課題は、研究のように答えの評価が難しい仕事で、AI自身が改善案を作り、その結果を評価する場合に生じる。評価する側も同じモデルに頼れば、モデルの見落としを繰り返し肯定するおそれがある。MASSは、複数エージェントの協調を、その閉じた循環に加える学習材料として扱う。
チームの仕事を、次の学習材料にする
発表ページと詳細ブログの抜粋から確認できる流れは、次のとおりだ。MASSは複数エージェントの作業手順を繰り返し最適化する。その協調から得た情報を「自己教師信号」に変え、モデルの再帰的な自己改善に使う。つまり、ある課題に対するチームの成果をその場限りの出力で終わらせず、改善対象のモデルへ戻す構想である。
入出力を概念的に分けると、入口には研究上の課題と改善対象のモデルがある。途中で複数エージェントの作業手順と協調の結果が生まれ、その結果から学習に使う信号を得る。狙う出口は、次の課題でよりよい結果を出せるモデルだ。ただし、提供された抜粋だけでは、エージェントごとの役割、信号への変換方法、学習の具体的な手順までは分からない。この流れは公開された説明を読者向けに整理したもので、実装仕様を示す図ではない。
この研究によって可能性が示されるのは、人間が一件ずつ正解を与えにくい課題でも、AIチームの作業から改善の手掛かりを作ることだ。例えば、難しい研究課題に対する複数の検討結果を、次の学習に役立つ情報へまとめる姿を想像できる。ただし、これは仕組みを理解するための例であり、その具体的な課題や運用が発表で実証されたという意味ではない。
一度の協調と、モデルの改善は別の成果
複数エージェントが協力してよい回答を出しても、その能力が元のモデルに残るとは限らない。次の課題でも同じチームの作業手順を毎回使うことと、協調から得た情報をモデルの学習に戻すことは、異なる成果である。MASSの特徴として発表が説明するのは、作業手順の最適化に加え、集団で得た情報を自己教師信号として使う後者の循環だ。
この違いが重要なのは、改善に使う情報の出どころが変わるからだ。発表は、一つのモデルが自分の出力を評価するだけでは、自身の盲点を強めかねないと問題を設定している。協調から得た情報を使えば、別の手掛かりを取り込める可能性がある。一方、エージェントを複数にしただけで評価が正確になると証明されたわけではない。チーム内に共通する思い込みをどう扱うかも、成果を読む際の論点になる。
報告された成果は何を測っているか
詳細ブログの抜粋は、研究ベンチマークにおいて、MASSがベースモデルより「出力トークンあたりのスコア」を改善したと述べている。これは研究チームによる報告であり、提示された資料だけで独立に確かめた結果ではない。また、出力トークンを分母にした指標は、実行全体の費用、所要時間、あらゆる課題での正確さをそのまま表すものではない。
提供された抜粋からは、ベンチマーク名、改善幅、評価条件、学習に使った計算量を確認できない。したがって「どの研究課題でも改善する」「人間の評価が不要になった」とは言えない。比較として確かめられるのは、詳細ブログがベースモデルに対する上記の指標の改善を主張している、という範囲までだ。他の自己改善手法との優劣も、比較対象の資料がないため判断できない。
次に確かめたい研究上の問い
発表ページには論文とコードへのリンクがある。ただし、今回の提供資料にはその本文や実装内容が含まれていない。研究をさらに評価するなら、どの課題で作業手順を最適化したか、協調のどの情報を学習信号へ変えたか、同じ条件でベースモデルと比べたかを確認したい。これらは読者のための確認項目であり、既に満たされたと断定するものではない。
MASSを読む要点は、AIチームの回答をその場で使う発想から、その協調をモデル自身の改善材料にする発想へ視線を移すことにある。公開された抜粋はその仕組みと限定的な成果の主張を示している。改善がどこまで広がるかは、評価条件と再現できる結果を見て判断する段階にある。