قدمت Sakana AI في 12 أكتوبر طريقة MASS البحثية، التي تجعل نموذج اللغة نفسه يحل المهام ويحسن سير العمل ويحكم على النتائج. الهدف هو تحويل عمل فريق من الوكلاء إلى مادة تدريب مفيدة للنموذج الذي يشتركون فيه. ليست هذه أداة استهلاكية جديدة، ولا دليلا على إمكان تحسن نظام بلا حدود أو رقابة خارجية.
بدأت التجربة بنموذج Qwen3.6-27B ذي الأوزان المفتوحة و27 مليار معامل. نفذ الباحثون دورتين من التدريب. بعد الثانية، بلغت النتيجة لكل رمز ناتج ما بين 1.2 و1.6 من مستوى الأساس في أربعة اختبارات بحثية. يجمع المقياس جودة النتيجة وحجم المخرجات؛ ولا يعني انخفاض زمن التنفيذ بالنسبة نفسها أو زيادة الذكاء بمقدار 1.6 في كل مجال.
كيف يعلم الفريق نموذجه المشترك
يستكشف النموذج أولا طرق توزيع المهام بين الوكلاء وتبادل المعلومات وفحص النتائج. تبقى الأوزان ثابتة خلال هذا البحث. يقارن المقيم النتائج ويشرح الأفضل، بينما يعدل المحسن سير العمل. وهكذا يمكن تحسين التنظيم قبل أن يغير تدريب إضافي النموذج نفسه.
بعد ذلك يتعلم النظام من سجلات تنفيذ مختارة: محادثات واستدعاءات أدوات ونتائج العمل الجماعي. يعود النموذج المحدث إلى الأدوار الثلاثة في الدورة التالية. يختلف هذا عن مطالبة روبوت محادثة بمراجعة نفسه: فهو يجمع بحثا منهجيا عن سير العمل مع تحديث الأوزان، بدلا من مجرد إعادة صياغة الإجابة داخل المحادثة.
النتيجة المهمة وحدودها
تناولت المهام الاصطناعية التمويل والروبوتات والصيدلة. قيمت نماذج أخرى النتائج بصفتها حكاما خارجيين، لكن درجاتها لم تدخل دورة التعلم. يسمح الفصل باختبار ظهور التحسن خارج التقييم الذاتي للنظام. ومع ذلك، فإن تقييم نموذج آخر لا يثبت الحقيقة العلمية تلقائيا ولا يحل محل التجارب المناسبة في المجال المعني.
كان تعميم التحسن متفاوتا أيضا. ظهرت مكاسب النتيجة لكل رمز في MLR-Bench وDSBench وScienceAgentBench وAstaBench. أما في Terminal-Bench 2.0 وSWE-bench Verified فبلغت النسب 0.96 و0.94 من الأساس. أي إن التدريب لم يحسن كل أنواع المهام. ينبغي لمطوري الوكلاء اختبار مهامهم المستهدفة منفصلة، وعدم افتراض أن نجاح البحث يعني أداء أفضل في كل أعمال البرمجة.
ينبع الخطر الأساسي من السمة نفسها التي تتيح التجربة: الحل والتقييم يشتركان في نموذج، وقد يشتركان في الأخطاء والنقاط العمياء. تدريب النموذج على خطأ حصل على درجة عالية قد يعززه. يوفر MASS طريقة عملية لدراسة هذه الدورة. تكمن قيمته الحالية في المنهج والكود المنشور، مع استمرار الاختبارات المستقلة، وليس في وعد بأن الوكيل يستطيع بالفعل مراقبة تقدمه وحده.