Sakana AI、MASSを発表：自分自身のコピーとチームを組んで自己改善する1つのモデル

はじめに

東京に拠点を置くAI研究企業Sakana AIは、2026年10月12日、MASS（Multi-Agent Self-Supervision、マルチエージェント自己教師あり学習）を発表しました。これは再帰的自己改善（RSI）の手法で、1つの言語モデルが「タスクの実行」「ワークフローの最適化」「結果の評価」という3つの役割を同時に担います。arXivの論文、詳しい技術ブログ、GitHubでのオープンソースコードが同時に公開されています。

著者らが取り組む問いは、言葉にすると単純ですが解くのは困難です。研究やレポート、分析のような答えが1つに決まらないタスクでは、人間の専門家でもすべてを素早く評価することはできず、モデル自身が最も有力な監督者になりえます。しかし、単独のモデルは自分の誤りを正すよりも、むしろ強化してしまいがちです。MASSは、同じモデルの複数のコピーを1つのチームとして組織し、そのチームの共同作業を学習シグナルとして使うというアプローチをとります。

日本の企業向けにAIエージェントや業務自動化を開発している方にとって、この研究には2つの意味があります。自社のワークフローにすぐ応用できるアイデアがあること、そして自己評価を行うあらゆるシステムに当てはまる安全上の警告があることです。

MASSとは

MASSでは、同じモデルが3つの役割を担います。

• エージェント（実行者）： タスクを解き、コード、結果、グラフ、レポートを含むワークスペースを作成します。
• ワークフロー最適化役： 評価役のフィードバックをもとに、チームの作業分担、結果の受け渡し、相互チェックの方法を見直します。
• 評価役： 2つのワークスペースを比較し、タスクをよりよく満たす方を選び、その理由を説明します。

ここでいう「ワークフロー」とは、タスクのプロンプトに追加される文章の計画書で、オーケストレーターとサブエージェントからなるチームを記述したものです。各ワークフローは4つの要素で構成されます。役割（各サブエージェントの担当）、指示（何をすべきか）、契約（返すべき情報と検証項目）、呼び出し順序（サブエージェントを呼ぶ順番）です。

Sakanaが紹介している例に、金融のワークフローがあります。データ担当の契約では、将来の情報が漏れ込んでいないこと、そして学習・検証・テストの期間が正しい順序になっていることを明示的に確認するよう求めています。バックテストの見た目だけを良くして中身を無意味にしてしまう、まさにその種の誤りです。

ループの仕組み

MASSは2つのループを交互に回します。

内側のループ：より良いワークフローの探索。 学習用の各タスクについて、システムは「チャンピオン」、つまりモデル自身の判断でこれまでに見つかった最良のワークフローを保持します。各イテレーションでは、チームが候補のワークフローを実行し、評価役がその結果をチャンピオンの結果と比較し、最適化役がフィードバックの履歴をもとに次の案を提案します。論文によると、これは構造的なガードレールの下での進化的探索であり、最適化役のプロンプトは契約と呼び出し順序、つまりエージェント間でどの情報がいつ流れるかを優先します。

外側のループ：最良のチームから学ぶ。 チャンピオンのワークフローをタスクごとに18回実行します。モデル自身が結果を比較して順位をつけ（Bradley–Terryモデルで選好をスコアに変換）、タスクごとに最大16本の軌跡を残します。15本を学習用、1本を検証用に使います。オーケストレーターのプロンプトからワークフローの文章を取り除いたうえで、オーケストレーターとサブエージェントの会話を使ってモデルを教師ありファインチューニング（SFT、LoRA使用）します。更新されたモデルが再び3つの役割を担い、サイクルが繰り返されます。

狙いは、ワークフローを与えられなくても、タスクそのものから作業の組み立て方をモデルが学ぶことです。

何が測定されたか

研究チームは、オープンウェイトモデルQwen3.6-27Bとコーディングエージェントqwen-codeを使い、2サイクルを完了しました。学習データは金融、ロボティクス、薬学の12の合成研究タスクから作られました。9タスクが学習用に指定され（実際にデータを生んだのは8タスク）、3タスクがテスト用に確保されました。ループの外から進歩を測るため、GPT-5.5とClaude Opus 4.8が結果を評価し、その判断はMASSの中では使われていません。

Sakanaと論文が示した主な数字は次のとおりです。

• 2サイクル目の後、4つの研究系ベンチマーク（MLR-Bench、DSBench、ScienceAgentBench、AstaBench）で、出力トークンあたりのスコアがベースモデルの1.2〜1.6倍に。
• 3つの合成テストタスクでは、ベースモデルに対する勝率が1サイクル目後の**53.9%から2サイクル目後には69.9%**に上昇。
• 学習に使ったのはタスク解決の軌跡だけでしたが、最適化役と評価役も向上しました。評価役と外部評価者の一致率は**73%から93%**に上がりました。
• マルチエージェントの軌跡は学習トークンあたりの効率が高い： それで学習したモデルは、2,880万の教師ありトークンでベースに対する勝率68.3%に達しました。一方、シングルエージェントで学習したモデルは、約1.4倍にあたる4,200万トークンを使っても64.0%でした。
• アブレーション実験では、改善スピードのボトルネックは評価役ではなく最適化役でした。評価役だけを強いモデルに替えても効果は小さく、評価役と最適化役の両方を替えると大きな効果がありました。

コードを安全に試すには

github.com/SakanaAI/mass のリポジトリは、研究用の実装と説明されています。慎重に進めるなら、次の手順がおすすめです。

1. まずオフラインで。 READMEによると、python3 -m mass plan --config configs/paper.json は何も実行せずに設定を表示し、ユニットテストはGPUやモデルサーバーなしで動きます。
2. 環境を隔離する。 MASSではエージェントがコードを書いて実行します。社内ネットワークに接続できず、本番環境の認証情報も置いていない、独立したVMやコンテナを使いましょう。リポジトリには .env.example がありますが、広い権限を持つキーは入れないでください。
3. ハードウェアを先に見積もる。 本格的な実験には、vLLMでのモデル提供とGPUの割り当てが必要です。1サイクル目のSFTだけで、NVIDIA H100 GPU 6基で約19時間かかりました。これにはワークフロー探索、軌跡の収集、評価の時間は含まれていません。
4. ライセンスを確認する。 本記事の公開時点で、リポジトリのルートにライセンスファイルは見当たりませんでした（第三者のソフトウェアとデータについてのNOTICE.mdはあります）。商用利用の前に、Sakana AIに条件を確認してください。
5. 実装ノートを読む。 READMEには、論文のすべてのアブレーションが含まれているわけではないこと、一部のベンチマーク用アダプターが同梱されていないこと、現在のドライバーが論文のアルゴリズムと一部異なることが明記されています。

何も学習させなくても、契約の考え方は今日から使えます。複数のエージェントを使うフローでは、各ステップが何を納品し、次のステップに進む前にどの検証を示すべきかを文章で定めておきましょう。

安全上の注意：共有された盲点

最も重要な警告は、著者ら自身が発しています。同じモデルが生成し、評価し、何を学習データにするかを決めると、共有された盲点によって、欠陥のある結果が作られ、改善として受け入れられ、次のモデルに取り込まれてしまうおそれがあります。人間もその欠陥に気づかなければ、その後の更新で欠陥が強化されかねません。Sakanaはこれを再帰的自己改善の「アキレス腱」になりうるものと呼び、独立したチェック、自律的な行動への制約、明確な介入条件の必要性を訴えています。

企業にとっての実践的な意味は、重要な判断において同じモデルを自分の仕事の唯一の審査役にしないことです。別の評価役、システムが見ることのないテストセット、そして重要な箇所での人間によるレビューを維持しましょう。

期待すべきでないこと

• プログラミング全般の性能向上ではありません。 Terminal-Bench 2.0とSWE-bench Verifiedでは、トークンあたりのスコアはそれぞれベースの0.96倍と0.94倍でした。Sakanaも、転移は「依然として不均一」だとしています。
• 向上の一部は「より多く納品できた」ことによるものです。 MLR-Benchでの上昇は、提出された論文数の増加を伴っています。論文自体も、証拠は集計方法に依存し、すべてのタスクで一貫した向上を示すものではないと述べています。
• 探索にはばらつきがあります。 好成績のイテレーションの後に急な悪化が起こることがあり、同じワークフローを2回実行して正反対の結果になった例もありました。
• 完成した製品ではありません。 2サイクル、27Bのモデル、合成タスクでの結果です。プラグ・アンド・プレイのツールではなく研究成果です。

まとめ

MASSは、自分自身のコピーによるチームワークを使って改善していくモデルに向けた興味深い一歩であり、オープンなコードと、向上しなかった部分も含めた誠実な数字が公開されています。中小企業にとってのすぐに役立つ価値は、サイクル全体を回すことよりも、そのアイデアにあります。エージェント間の明確な契約、生成と評価の分離、そして自己評価を行うあらゆるシステムの盲点への一層の注意です。

参考資料

• Sakana AI: Recursive Self-Improvement through Collective Intelligence (MASS)
• Sakana AI: MASS — blog técnico detalhado
• arXiv 2610.12176: Recursive Self-Improvement through Multi-Agent Self-Supervision
• GitHub: SakanaAI/mass

---

あなたのビジネスにも導入しませんか？

KGA ITは、中小企業向けにAIアシスタント、業務自動化、Webサイトの導入を支援しています。ご相談は無料で、24時間以内にご返信します。プランは月額5,000円から。

• 電話: 080-9732-1062
• メール: kga-it@outlook.com
• お問い合わせページ: kga-it.com/ja/contact