Sakana AI ने MASS पेश किया, जिसमें Qwen3.6-27B अपनी बहु-एजेंट टीम के काम से सीखकर बेहतर होता है, FINAL-Bench ने अपना Open Quantum Challenge शुरू किया

Sakana AI और UC Berkeley के शोधकर्ताओं ने MASS पेश किया है, एक ऐसी विधि जिसमें Qwen3.6-27B को उसकी अपनी एजेंट टीम के सर्वश्रेष्ठ कार्य-निष्पादनों पर फाइन-ट्यून किया जाता है: दो दौर के बाद, प्रशिक्षण से अलग रखे गए कार्यों पर की गई 69,9 % तुलनाओं में वह अपने मूल संस्करण को हरा देता है। संक्षिप्त समाचारों में, FINAL-Bench ने Open Quantum Challenge शुरू किया है, जो केवल एक GPU पर क्वांटम सिमुलेशन और त्रुटि-सुधार की प्रतियोगिता है, और Qwen Code v0.25.1 का स्थिर संस्करण जारी हुआ है।

MASS: Sakana AI और UC Berkeley ने Qwen3.6-27B को उसकी अपनी एजेंट टीम के काम से बेहतर बनाया

11 अक्टूबर — Sakana AI और UC Berkeley ने MASS पेश किया है, जो पुनरावर्ती आत्म-सुधार की एक विधि है: इसमें Qwen3.6-27B उप-एजेंटों की टीम के साथ शोध कार्य हल करता है, टीम का वर्कफ़्लो दोबारा लिखता है और परिणामों का मूल्यांकन खुद करता है, फिर अपने सर्वश्रेष्ठ कार्य-निष्पादनों पर LoRA के साथ फाइन-ट्यून होता है। दो बाहरी निर्णायक, GPT-5.5 और Claude Opus 4.8, प्रगति को मापते हैं।

रिपोर्ट किया गया माप	प्रकाशित मान
दो दौर के बाद बेस मॉडल के विरुद्ध जीत, प्रशिक्षण से अलग रखे गए कार्य	69,9 %
प्रति आउटपुट टोकन स्कोर, चार शोध बेंचमार्क	बेस मॉडल का 1,2 से 1,6 गुना
वही माप, Terminal-Bench 2.0 और SWE-bench Verified	बेस मॉडल का 0,96 और 0,94 गुना

लेखक खुद मानते हैं कि सुधार अलग-अलग बेंचमार्क पर असमान है और सॉफ़्टवेयर इंजीनियरिंग के कार्य जोड़कर इसे ठीक करने की सोच रहे हैं। कोड बिना किसी घोषित लाइसेंस के प्रकाशित किया गया है, और शोधपत्र 8 अक्टूबर से arXiv पर उपलब्ध है।

🔗 MASS पर लेख · arXiv शोधपत्र · GitHub पर कोड

संक्षिप्त समाचार

Open Quantum Challenge — Hugging Face पर FINAL-Bench (VIDRAFT) ने दो सीज़न शुरू किए हैं, जिनमें केवल एक GPU से, बिना क्वांटम कंप्यूटर के भाग लिया जा सकता है: 28 फ़रवरी 2027 तक Fermi-Hubbard प्रणालियों की न्यूनतम ऊर्जा अवस्था की ऊर्जा का अनुमान लगाना, और 31 मार्च 2027 तक त्रुटि-सुधार का डिकोडर (QEC) तैयार करना, हर सीज़न के लिए 1 000 डॉलर के साथ। 🔗 स्रोत · 🔗 प्रतियोगिता का स्पेस
Qwen Code v0.25.1 — स्थिर संस्करण में 6 अक्टूबर से यहाँ प्रस्तुत तीन पूर्व-संस्करण शामिल हैं और इसमें केवल 17 नई प्रविष्टियाँ जोड़ी गई हैं, जिनमें Web Shell में कतारबद्ध संदेशों के लिए तुरंत भेजने का बटन (अभी भेजें) भी है। रिलीज़ नोट्स में v0.25.0 के बाद से कुल 57 सुविधाएँ और 85 सुधार दर्ज हैं, और संगतता तोड़ने वाला कोई ज्ञात बदलाव नहीं है। 🔗 स्रोत

इसका क्या अर्थ है

MASS एक अवलोकन से शुरू होता है: खुले शोध कार्य में कोई स्वचालित नियम यह नहीं बताता कि उत्तर अच्छा है या नहीं, और मॉडल खुद उपलब्ध सबसे सक्षम पर्यवेक्षक बन सकता है। Sakana AI इससे जुड़े सुरक्षा के मुद्दे को सामने रखता है: जब मॉडल अपना मूल्यांकन खुद करता है, तो मूल्यांकन में साझा अनदेखियों के कारण गलतियों को प्रगति समझा जा सकता है और फिर प्रशिक्षण के दौरान उन्हें मजबूत किया जा सकता है। चक्र को प्रभावित किए बिना प्रगति मापने के लिए प्रोटोकॉल बाहरी निर्णायकों पर निर्भर करता है, जिनके निर्णय MASS को नहीं दिए जाते; इन निर्णायकों के साथ मूल्यांकनकर्ता की सहमति बेस मॉडल के 73 % से बढ़कर दूसरे दौर के बाद 93 % हो जाती है।

यह प्रयोग एजेंटों के डेटा के बारे में भी कुछ बताता है। लेखकों के अनुसार, टीम के कार्य-क्रम अकेले एजेंट के कार्य-क्रमों की तुलना में बेहतर प्रशिक्षण देते हैं: पहले प्रकार के कार्य-क्रमों पर प्रशिक्षित मॉडल 28,8 मिलियन पर्यवेक्षित टोकनों के साथ बेस मॉडल से की गई अपनी 68,3 % तुलनाओं में जीतता है, जबकि दूसरे प्रकार पर प्रशिक्षित मॉडल 42 मिलियन टोकनों के साथ 64,0 % तुलनाओं में जीतता है। यह प्रयोग Qwen Code में ही चलता है, उस कोडिंग एजेंट में जिसका v0.25.1 संस्करण उसी दिन स्थिर रूप में जारी हुआ है: यहाँ डेवलपर का एक उपकरण शोध की प्रयोगशाला की कार्य-मेज़ बन जाता है।

Open Quantum Challenge समस्या को दूसरे छोर से देखता है। इसमें हर प्रस्तुत समाधान को एक तय संदर्भ उत्तर से तुलना करके स्वचालित रूप से अंक दिए जाते हैं, और भागीदारी की मार्गदर्शिका इस तरह बनाई गई है कि उसे Codex या Claude Code जैसे कोडिंग एजेंट को सौंपा जा सके। जब किसी कार्य के परिणाम को सत्यापित किया जा सकता है, तो गणना से निकला स्कोर प्रतिभागियों का क्रम तय करने के लिए पर्याप्त होता है; जब ऐसा नहीं किया जा सकता, तो MASS बाहरी निर्णायकों की निगरानी में मॉडल को अपना खुद का निर्णायक बनाता है।