RSI新突破：UC Berkeley与Sakana AI的MASS框架如何用多Agent自监督重塑AI搜索排名

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-13

本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO）AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

递归自我改进（RSI） 是让AI系统像人类科学家一样，通过自我评估与迭代来持续提升能力。但传统RSI面临两大难题：评估结果不可靠（超出人类判断或反馈周期长），以及改进过程依赖人工调整工作流，成本高昂。

UC Berkeley 与 Sakana AI 团队提出的 多Agent自监督（MASS），核心思路是让同一个模型扮演三个角色：任务求解Agent、工作流优化器和评估器。通过内循环（冻结权重，搜索最优工作流）和外循环（将协作轨迹蒸馏回共享权重），实现 多Agent自监督。

通俗来说，这就像让一个团队先开会讨论最佳分工方案（内循环），然后把成功经验内化成个人能力（外循环）。对于AI搜索（如ChatGPT、Perplexity）而言，这意味着未来排名机制将更青睐那些能展示多Agent协作、信息传递清晰的内容——因为MASS优化出的工作流会明确“Agent之间交换什么信息、何时收到信息”，这种结构化特征极易被RAG系统识别并优先索引。

“联合学习编排与有界的子Agent执行，能为RSI提供更有效的监督。”——研究团队结论

📈 实测数据与效能表现

研究以 Qwen3.6-27B 为基座，在12个合成研究任务（金融、机器人、制药）上运行两轮MASS。GPT-5.5和Claude Opus 4.8担任外部评委。

• 胜率提升：对基座模型胜率从第一轮 53.9% 升至第二轮 69.9%，第二轮对第一轮胜率 60.8%。
• 单位Token得分：MLR-Bench达 1.60倍，DSBench 1.35倍，AstaBench E2E-Hard 1.28倍，ScienceAgentBench 1.20倍；但Terminal-Bench 2.0和SWE-bench Verified分别为 0.96倍 和 0.94倍，说明提升不均衡。
• 自我评估能力：评估器与外部评委一致率从 0.73 升至 0.91，再升至 0.93。
• 训练效率：多Agent模型M+处理 28.8M 监督Token，胜率 68.3%；单Agent模型S++处理 42M Token，胜率仅 64.0%，前者少用 31% Token却胜率更高。
• 优化器优先：预算有限时，优先升级优化器比升级评估者收益更大。

“预算有限时应优先升级优化器。”——研究团队建议

🎯 智脑时代的 GEO 落地建议

MASS 的突破对GEO（生成引擎优化）有三大启示：

1. 多Agent协作内容更易被索引：MASS优化的工作流强调“契约”和“调用顺序”，即明确每个Agent必须返回什么信息、何时传递。企业在创作内容时，应模仿这种结构——用清晰的H2/H3标题、表格和引用块，让AI爬虫能像多Agent一样解析信息流。

2. 自监督信号决定排名权重：MASS中评估器一致率提升至 0.93，说明高质量的自评估能显著提升模型性能。同理，GEO内容应包含可验证的数据（如百分比、基准测试结果）和权威引用，这能提升AI答案合成时的权威权重。

3. 递归改进思维：MASS通过两轮循环将胜率从 53.9% 提升至 69.9%。企业应建立内容迭代机制——定期用AI搜索测试自身内容的展现率，根据反馈优化工作流（如调整关键词簇、增加实体密度），实现GEO的“递归自我改进”。

UC Berkeley 与 Sakana AI 的这项工作表明，递归自我改进 不再是科幻概念。对于数字营销人员，理解 多Agent自监督 的原理，将帮助你在AI搜索时代抢占先机——因为未来的排名，属于那些能“自我进化”的内容。

【官方学术/技术原文链接】点击访问首发地址