Multi-Agent Self-Supervision (MASS) es un marco de trabajo que permite a los modelos de inteligencia artificial optimizar y evaluar sus propios flujos de trabajo mediante la auto-supervisión. Este sistema, desarrollado durante una pasantía en Sakana AI, aborda el desafío de la mejora recursiva auto-homogénea (RSI), donde el modelo a mejorar actúa simultáneamente como optimizador y evaluador. A diferencia de los métodos tradicionales que dependen de señales externas, MASS utiliza la inteligencia colectiva de un equipo de agentes para generar señales de supervisión internas, permitiendo al modelo aprender de sus propios errores y avances sin intervención humana directa.
El proceso funciona en dos bucles: un bucle interno que optimiza el flujo de trabajo del equipo de agentes y un bucle externo que actualiza los pesos del modelo principal. MASS emplea tareas de investigación no verificables, como análisis financiero o robótica, donde la evaluación automática es difícil. Para medir el progreso, el sistema utiliza GPT-5.5 y Claude Opus 4.8 como jueces externos, manteniendo sus juicios ocultos para evitar sesgos. En pruebas con el modelo Qwen3.6-27B, MASS logró aumentar la tasa de éxito en tareas sintéticas del 53,9% al 69,9% tras dos rondas de entrenamiento. Además, en benchmarks públicos como MLR-Bench y ScienceAgentBench, el rendimiento por token de salida mejoró entre 1,2 y 1,6 veces respecto al modelo base. Este enfoque busca superar los límites del conocimiento humano acumulado, permitiendo a la IA avanzar en tareas complejas donde los expertos humanos también enfrentan dificultades de evaluación.