ai-powered-markdown-translatorMit gpt-6.1-sol von fr nach de übersetzter Artikel.
Sakana AI und Forscher der UC Berkeley stellen MASS vor, eine Methode, bei der Qwen3.6-27B anhand der besten Durchläufe seines eigenen Agententeams weitertrainiert wird: Nach zwei Runden schlägt es seine Basisversion in 69,9 % der Vergleiche bei Aufgaben, die vom Training ausgeschlossen waren. In den Kurzmeldungen: FINAL-Bench startet die Open Quantum Challenge, einen Wettbewerb zur Quantensimulation und Fehlerkorrektur auf einer einzigen GPU, und Qwen Code v0.25.1 erscheint als stabile Version.
MASS: Sakana AI und UC Berkeley verbessern Qwen3.6-27B anhand der Arbeit seines eigenen Agententeams
11. Oktober — Sakana AI und UC Berkeley stellen MASS vor, eine Methode zur rekursiven Selbstverbesserung: Qwen3.6-27B löst dabei Forschungsaufgaben in einem Team aus Unteragenten, überarbeitet den Workflow des Teams, beurteilt die Ergebnisse selbst und wird anschließend mit LoRA anhand seiner besten Durchläufe weitertrainiert. Zwei externe Bewertungsmodelle, GPT-5.5 und Claude Opus 4.8, messen die Fortschritte.
| Berichtete Messgröße | Veröffentlichter Wert |
|---|---|
| Siege gegen das Basismodell nach zwei Runden, ausgeschlossene Aufgaben | 69,9 % |
| Score pro Ausgabe-Token, vier Forschungsbenchmarks | 1,2 bis 1,6 Mal der Basiswert |
| Gleiche Messgröße, Terminal-Bench 2.0 und SWE-bench Verified | 0,96 und 0,94 Mal der Basiswert |
Die Autoren selbst beurteilen die Verbesserung je nach Benchmark als unterschiedlich und wollen dies durch zusätzliche Aufgaben aus dem Software Engineering korrigieren. Der Code wird ohne angegebene Lizenz veröffentlicht, und der Artikel ist seit dem 8. Oktober auf arXiv verfügbar.
🔗 MASS-Beitrag · arXiv-Artikel · Code auf GitHub
Kurzmeldungen
- Open Quantum Challenge — Auf Hugging Face eröffnet FINAL-Bench (VIDRAFT) zwei Saisons, die auf einer einzigen GPU und ohne Quantencomputer bestritten werden: die Schätzung der Grundzustandsenergie von Fermi-Hubbard-Systemen bis zum 28. Februar 2027 und die Entwicklung eines Decoders zur Quantenfehlerkorrektur (QEC) bis zum 31. März 2027, mit 1 000 Dollar pro Saison. 🔗 Quelle · 🔗 Wettbewerbsbereich
- Qwen Code v0.25.1 — Die stabile Version vereint die drei seit dem 6. Oktober hier vorgestellten Vorabversionen und fügt lediglich 17 Einträge hinzu, darunter einen Button zum sofortigen Senden (Jetzt senden) von Nachrichten in der Warteschlange der Web Shell. Die Versionshinweise zählen insgesamt 57 Funktionen und 85 Fehlerbehebungen seit v0.25.0, ohne bekannte Breaking Changes. 🔗 Quelle
Was das bedeutet
MASS geht von einer Beobachtung aus: Bei einer offenen Forschungsaufgabe gibt keine automatische Regel vor, ob eine Antwort gut ist, und das Modell selbst kann zum kompetentesten verfügbaren Supervisor werden. Sakana AI hebt die damit verbundene Sicherheitsfrage hervor: Wenn ein Modell sich selbst bewertet, können gemeinsame blinde Flecken dazu führen, dass Fehler als Fortschritte gelten und anschließend im Training verstärkt werden. Um die Fortschritte zu messen, ohne den Kreislauf zu beeinflussen, stützt sich das Verfahren auf externe Bewertungsmodelle, deren Urteile nicht an MASS weitergegeben werden; die Übereinstimmung mit ihnen steigt beim bewertenden Modell von 73 % für das Basismodell auf 93 % nach der zweiten Runde.
Das Experiment liefert auch Erkenntnisse über Agentendaten. Den Autoren zufolge vermitteln Teamtrajektorien mehr als die Trajektorien eines einzelnen Agenten: Ein auf Ersteren trainiertes Modell gewinnt mit 28,8 Millionen überwachten Tokens 68,3 % seiner Vergleiche mit dem Basismodell, gegenüber 64,0 % mit 42 Millionen bei einem auf Letzteren trainierten Modell. Das Experiment läuft übrigens in Qwen Code, dem Coding-Agenten, dessen v0.25.1 am selben Tag als stabile Version erscheint: Ein Entwicklerwerkzeug dient hier als Laborwerkbank für die Forschung.
Die Open Quantum Challenge geht das Problem von der anderen Seite an. Jede Einreichung wird dort automatisch anhand einer festgelegten Referenzantwort bewertet, und der Teilnahmeleitfaden ist darauf ausgelegt, einem Coding-Agenten wie Codex oder Claude Code übergeben zu werden. Wenn eine Aufgabe überprüfbar ist, reicht eine berechnete Bewertung aus, um die Teilnehmer zu vergleichen; wenn sie es nicht ist, macht MASS das Modell unter der Aufsicht externer Bewertungsmodelle zu seinem eigenen Bewerter.