Sakana AI 发表 MASS 方法，让多智能体协作结果用于模型自监督训练

Sakana AI 与合作者提出 Multi-Agent Self-Supervision（MASS）方法：先搜索较优的多智能体协作流程，再把团队执行轨迹用于训练同一个共享模型，构成迭代式自监督流程。

研究报告，在四项接近训练任务的研究基准上，两轮后每输出 token 的得分为基线的约 1.2 至 1.6 倍；但在 Terminal-Bench 2.0 和 SWE-bench Verified 上未取得同样增益，说明迁移效果有限。详见论文及项目说明。