戦士諸君、AIが「チームを組んだ自分」から学んで自分を鍛え直す——そんな研究が発表された。AI企業のSakana AIは2026年10月12日、カリフォルニア大学バークレー校の研究者と共同で、新しい自己改善の手法「MASS（Multi-Agent Self-Supervision）」を公式ブログで公開した。論文はarXivに掲載されている（査読前）。
どんな仕組みなのか
- 1つのAIモデルが、仮想の「部下（サブエージェント）」を何体も使うチームとして課題を解く。
- より良いチームの組み方（ワークフロー）を探し、自分の判断で一番良いものを選ぶ。
- 一番良かったチームの作業記録を使って、元のモデル自身を学習させる。Sakana AIは、チームの経験を1つのモデルに「蒸留」すると説明している。
結果
- 公開されているオープンウェイトのモデル「Qwen3.6-27B」を出発点に、このサイクルを2回まわした。
- 研究系の4つのベンチマークで、「出力トークンあたりのスコア」が元のモデルの1.2〜1.6倍になった（MLR-Bench 1.60倍、DSBench 1.35倍、ScienceAgentBench 1.20倍、AstaBench E2E-Hard 1.28倍）。
- 一方、ソフトウェア開発系のTerminal-Bench 2.0では0.96倍、SWE-bench Verifiedでは0.94倍と、元のモデルを下回った。
- 研究チームは、1体だけで作業した記録よりもチームでの作業記録の方が、学習データとして効率が良いとしている。
「出力トークンあたりのスコア」は、少ない出力でどれだけ点を取れたかという効率の目安で、正答率そのものではない。
研究チーム自身の警告
同じモデルが課題を解き、自分で良し悪しも判断するため、共通の見落としがあると「失敗」を「進歩」と思い込み、それを学習で強めてしまうおそれがある。研究チームはこれを自己改善の「アキレス腱」になりうると書き、失敗を見つけて人が介入できる手段を残す必要があるとしている。なお、成果の判定には、MASSとは別にGPT-5.5とClaude Opus 4.8に評価させている。
読むときの注意
- 査読前の論文で、数値はすべて研究チームによる評価。
- 比べている相手は元のモデルで、ほかの手法との比較ではない。
- 研究チームも、効果の広がりにはばらつきがあると書いている。
SPU的視点
チームで練習して、一番うまくいったやり方を自分の体に覚え込ませる。部活やジムの合同トレーニングと同じ発想だ。ただし、自分で自分を採点すると甘くなるのも人間と同じ。フォームは鏡やコーチという「外の目」でチェックしよう。正しい努力には、正しい審判が必要だ。今日もパンプ！
出典：Sakana AI「MASS」（2026年10月12日）
https://sakana.ai/mass/
詳細：https://pub.sakana.ai/mass/
論文：arXiv「Recursive Self-Improvement through Multi-Agent Self-Supervision」
https://arxiv.org/abs/2610.12176