ai-powered-markdown-translatorArtykuł przetłumaczony z francuskiego na polski za pomocą gpt-6.1-sol.
Sakana AI i badacze z UC Berkeley prezentują MASS, metodę, w której Qwen3.6-27B jest dostrajany na podstawie najlepszych przebiegów pracy własnego zespołu agentów: po dwóch rundach pokonuje swoją wersję bazową w 69,9 % porównań na zadaniach wyłączonych z treningu. W krótkich wiadomościach FINAL-Bench uruchamia Open Quantum Challenge, konkurs symulacji kwantowej i korekcji błędów realizowany na zwykłym GPU, a Qwen Code v0.25.1 ukazuje się w wersji stabilnej.
MASS: Sakana AI i UC Berkeley doskonalą Qwen3.6-27B na podstawie pracy jego własnego zespołu agentów
11 października — Sakana AI i UC Berkeley prezentują MASS, metodę rekurencyjnego samodoskonalenia: Qwen3.6-27B rozwiązuje w niej zadania badawcze w zespole podagentów, modyfikuje workflow zespołu i sam ocenia wyniki, a następnie jest dostrajany za pomocą LoRA na podstawie swoich najlepszych przebiegów pracy. Postępy mierzą dwaj zewnętrzni sędziowie, GPT-5.5 i Claude Opus 4.8.
| Raportowana miara | Opublikowana wartość |
|---|---|
| Zwycięstwa nad modelem bazowym po dwóch rundach, zadania wyłączone z treningu | 69,9 % |
| Wynik na token wyjściowy, cztery benchmarki badawcze | 1,2 do 1,6 razy wynik bazowy |
| Ta sama miara, Terminal-Bench 2.0 i SWE-bench Verified | 0,96 i 0,94 razy wynik bazowy |
Sami autorzy oceniają, że poprawa jest nierównomierna w zależności od benchmarku, i zamierzają temu zaradzić, dodając zadania z inżynierii oprogramowania. Kod opublikowano bez zadeklarowanej licencji, a artykuł jest dostępny na arXiv od 8 października.
🔗 Wpis o MASS · Artykuł na arXiv · Kod na GitHub
Krótkie wiadomości
- Open Quantum Challenge — Na Hugging Face FINAL-Bench (VIDRAFT) otwiera dwa sezony konkursu realizowanego na zwykłym GPU, bez komputera kwantowego: szacowanie energii stanu podstawowego układów Fermi-Hubbard do 28 lutego 2027 oraz projektowanie dekodera korekcji błędów (QEC) do 31 marca 2027, z nagrodą 1 000 dolarów w każdym sezonie. 🔗 źródło · 🔗 przestrzeń konkursu
- Qwen Code v0.25.1 — Wersja stabilna łączy trzy wersje wstępne przedstawiane tutaj od 6 października i dodaje tylko 17 pozycji, w tym przycisk natychmiastowego wysyłania (Send now) wiadomości umieszczonych w kolejce w Web Shell. Lista zmian obejmuje łącznie 57 funkcji i 85 poprawek od v0.25.0, bez znanych zmian naruszających kompatybilność. 🔗 źródło
Co to oznacza
MASS wychodzi od spostrzeżenia: w otwartym zadaniu badawczym żadna automatyczna reguła nie określa, czy odpowiedź jest dobra, a sam model może stać się najbardziej kompetentnym dostępnym nadzorcą. Sakana AI podkreśla związany z tym problem bezpieczeństwa: gdy model sam siebie ocenia, wspólne luki w ocenie mogą sprawić, że błędy zostaną uznane za postępy, a następnie utrwalone podczas treningu. Aby mierzyć postępy bez wpływania na pętlę doskonalenia, protokół korzysta z zewnętrznych sędziów, których werdykty nie są przekazywane do MASS; zgodność ocen własnego ewaluatora z ich ocenami rośnie z 73 % dla modelu bazowego do 93 % po drugiej rundzie.
Eksperyment mówi też coś o danych pochodzących od agentów. Według autorów przebiegi pracy zespołu uczą lepiej niż przebiegi pracy pojedynczego agenta: model trenowany na tych pierwszych wygrywa 68,3 % porównań z modelem bazowym przy 28,8 miliona tokenów objętych nadzorem, wobec 64,0 % przy 42 milionach dla modelu trenowanego na tych drugich. Eksperyment działa zresztą w Qwen Code, agencie programistycznym, którego v0.25.1 ukazuje się w wersji stabilnej tego samego dnia: narzędzie dla programistów służy tutaj jako stanowisko badawcze.
Open Quantum Challenge podchodzi do problemu z drugiej strony. Każde zgłoszenie jest tam oceniane automatycznie względem ustalonej odpowiedzi referencyjnej, a instrukcję uczestnictwa opracowano tak, aby można było przekazać ją agentowi programistycznemu, takiemu jak Codex czy Claude Code. Gdy wynik zadania można zweryfikować, obliczona ocena wystarcza, by rozstrzygnąć rywalizację uczestników; gdy nie można go zweryfikować, MASS czyni model jego własnym sędzią, pod okiem zewnętrznych sędziów.