Giới thiệu
Sakana AI, phòng thí nghiệm AI có trụ sở tại Tokyo, đã công bố MASS (Multi-Agent Self-Supervision – tự giám sát đa tác tử) vào ngày 12/10/2026. Đây là một phương pháp tự cải thiện đệ quy (RSI), trong đó một mô hình ngôn ngữ duy nhất đảm nhận cùng lúc ba vai trò: thực hiện nhiệm vụ, tối ưu quy trình làm việc và đánh giá kết quả. Công trình đi kèm một bài báo trên arXiv, một blog kỹ thuật chi tiết và mã nguồn mở trên GitHub.
Câu hỏi mà các tác giả giải quyết thì dễ phát biểu nhưng khó trả lời: khi nhiệm vụ là mở (một nghiên cứu, một báo cáo, một phân tích) và ngay cả chuyên gia con người cũng không thể đánh giá mọi thứ nhanh chóng, chính mô hình có thể là người giám sát tốt nhất hiện có. Nhưng một mô hình làm việc một mình thường củng cố lỗi của chính nó thay vì sửa chúng. MASS đặt cược vào việc tổ chức nhiều bản sao của cùng một mô hình thành một đội và dùng thành quả tập thể của đội đó làm tín hiệu huấn luyện.
Với những người xây dựng tác tử AI hoặc tự động hóa cho doanh nghiệp tại Nhật Bản, điều này quan trọng theo hai cách: một số ý tưởng có thể áp dụng ngay vào quy trình của bạn, và các cảnh báo an toàn áp dụng cho bất kỳ hệ thống nào tự chấm điểm công việc của mình.
MASS là gì
Trong MASS, cùng một mô hình đảm nhận ba vai trò:
- Tác tử (người thực thi): giải quyết nhiệm vụ và tạo ra không gian làm việc gồm mã, kết quả, biểu đồ và báo cáo.
- Bộ tối ưu quy trình: dùng phản hồi của người đánh giá để điều chỉnh cách đội phân chia công việc, trao đổi kết quả và kiểm tra công việc của nhau.
- Người đánh giá: so sánh hai không gian làm việc, chọn cái đáp ứng nhiệm vụ tốt hơn và giải thích lý do.
"Quy trình" (workflow) ở đây là một kế hoạch bằng văn bản, được gắn thêm vào prompt của nhiệm vụ, mô tả một đội gồm một tác tử điều phối (orchestrator) và các tác tử con. Mỗi quy trình có bốn thành phần: vai trò (trách nhiệm của từng tác tử con), chỉ dẫn (việc cần làm), hợp đồng (thông tin và các bước kiểm tra phải trả về) và thứ tự gọi (trình tự các tác tử con được gọi).
Một ví dụ Sakana đưa ra là quy trình tài chính, trong đó hợp đồng của chuyên viên dữ liệu yêu cầu kiểm tra rõ ràng rằng không có rò rỉ thông tin từ tương lai và các giai đoạn huấn luyện, kiểm định và kiểm thử theo đúng thứ tự. Đó chính là loại lỗi khiến một backtest trông rất đẹp nhưng vô dụng.
Vòng lặp hoạt động thế nào
MASS luân phiên giữa hai vòng lặp.
Vòng trong: tìm quy trình tốt hơn. Với mỗi nhiệm vụ huấn luyện, hệ thống giữ một "nhà vô địch", tức quy trình tốt nhất tìm được cho đến lúc đó theo phán đoán của chính mô hình. Trong mỗi lần lặp, đội thực hiện một quy trình ứng viên, người đánh giá so sánh kết quả với kết quả của nhà vô địch, và bộ tối ưu đề xuất phiên bản tiếp theo dựa trên lịch sử phản hồi. Theo bài báo, đây là một tìm kiếm tiến hóa bị ràng buộc bởi các rào chắn cấu trúc, và prompt của bộ tối ưu ưu tiên hợp đồng và thứ tự gọi, nghĩa là thông tin nào truyền giữa các tác tử và vào lúc nào.
Vòng ngoài: học từ đội giỏi nhất. Quy trình vô địch được chạy 18 lần cho mỗi nhiệm vụ. Chính mô hình so sánh và xếp hạng các kết quả (mô hình Bradley–Terry chuyển các lựa chọn ưu tiên thành điểm số), và giữ lại tối đa 16 quỹ đạo cho mỗi nhiệm vụ: 15 để huấn luyện và một để kiểm định. Văn bản quy trình được xóa khỏi prompt của tác tử điều phối, và mô hình được tinh chỉnh có giám sát (SFT, dùng LoRA) trên các hội thoại của tác tử điều phối và tác tử con. Mô hình đã cập nhật lại đảm nhận cả ba vai trò và chu trình bắt đầu lại.
Mục tiêu là để mô hình học cách tổ chức công việc từ chính nhiệm vụ, mà không cần được đưa sẵn quy trình.
Những gì đã được đo
Nhóm nghiên cứu chạy hai chu trình đầy đủ với mô hình trọng số mở Qwen3.6-27B, dùng tác tử lập trình qwen-code. Dữ liệu huấn luyện đến từ 12 nhiệm vụ nghiên cứu tổng hợp trong tài chính, robot và dược: chín nhiệm vụ được chỉ định để huấn luyện (cuối cùng tám nhiệm vụ cung cấp dữ liệu) và ba nhiệm vụ được giữ lại để kiểm thử. Để đo tiến bộ từ bên ngoài vòng lặp, GPT-5.5 và Claude Opus 4.8 đánh giá kết quả, và các đánh giá này không được MASS sử dụng.
Những con số chính do Sakana và bài báo công bố:
- Điểm trên mỗi token đầu ra đạt 1,2 đến 1,6 lần mô hình gốc sau chu trình thứ hai, trên bốn benchmark nghiên cứu: MLR-Bench, DSBench, ScienceAgentBench và AstaBench.
- Trên ba nhiệm vụ kiểm thử tổng hợp, tỷ lệ thắng so với mô hình gốc tăng từ 53,9% sau chu trình đầu lên 69,9% sau chu trình thứ hai.
- Huấn luyện chỉ dùng quỹ đạo giải nhiệm vụ, nhưng bộ tối ưu và người đánh giá cũng tiến bộ. Mức đồng thuận của người đánh giá với các giám khảo bên ngoài tăng từ 73% lên 93%.
- Quỹ đạo đa tác tử hiệu quả hơn trên mỗi token huấn luyện: mô hình học trò được huấn luyện trên chúng đạt tỷ lệ thắng 68,3% so với mô hình gốc với 28,8 triệu token có giám sát, so với 64,0% của mô hình học trò đơn tác tử được huấn luyện với 42 triệu token, tức nhiều hơn khoảng 1,4 lần.
- Trong các thử nghiệm loại bỏ (ablation), nút thắt về tốc độ là bộ tối ưu, không phải người đánh giá: chỉ thay người đánh giá bằng mô hình mạnh hơn giúp ít; thay cả người đánh giá lẫn bộ tối ưu giúp nhiều.
Cách thử mã nguồn an toàn
Kho mã github.com/SakanaAI/mass được mô tả là một bản triển khai phục vụ nghiên cứu. Một lộ trình thận trọng:
- Bắt đầu ở chế độ ngoại tuyến. README cho biết
python3 -m mass plan --config configs/paper.jsonhiển thị cấu hình mà không thực thi gì, và các bài kiểm thử đơn vị chạy được mà không cần GPU hay máy chủ mô hình. - Cô lập môi trường. MASS để các tác tử viết và chạy mã. Hãy dùng một máy ảo hoặc container riêng, không truy cập mạng nội bộ của công ty và không có thông tin xác thực của môi trường production. Kho mã có sẵn
.env.example; đừng đặt vào đó các khóa có quyền hạn rộng. - Ước tính phần cứng trước. Một thí nghiệm thực sự cần phục vụ mô hình bằng vLLM và phân bổ GPU. Riêng bước SFT của chu trình đầu đã mất khoảng 19 giờ trên sáu GPU NVIDIA H100, chưa tính tìm kiếm quy trình, thu thập quỹ đạo và đánh giá.
- Kiểm tra giấy phép. Tại thời điểm đăng bài, chúng tôi không tìm thấy tệp giấy phép ở thư mục gốc của kho mã (có tệp NOTICE.md về phần mềm và dữ liệu của bên thứ ba). Trước khi sử dụng cho mục đích thương mại, hãy xác nhận điều khoản với Sakana AI.
- Đọc ghi chú triển khai. Chính README cảnh báo rằng mã không bao gồm mọi thí nghiệm loại bỏ trong bài báo, một số bộ chuyển đổi benchmark không được đóng gói, và trình điều khiển hiện tại khác ở một số điểm so với thuật toán mô tả trong bài báo.
Ngay cả khi không huấn luyện gì, bài học về hợp đồng có thể áp dụng ngay hôm nay: trong các luồng đa tác tử của bạn, hãy viết rõ mỗi bước phải bàn giao gì và phải chứng minh những bước kiểm tra nào trước khi bước tiếp theo bắt đầu.
Lưu ý an toàn: điểm mù chung
Chính các tác giả đưa ra cảnh báo quan trọng nhất. Khi cùng một mô hình vừa tạo ra, vừa đánh giá, vừa quyết định cái gì trở thành dữ liệu huấn luyện, một điểm mù chung có thể khiến một kết quả sai sót được tạo ra, được chấp nhận như một cải tiến và được đưa vào mô hình tiếp theo. Nếu con người cũng bỏ sót lỗi đó, các bản cập nhật sau có thể củng cố nó. Sakana gọi đây là "gót chân Achilles" tiềm tàng của tự cải thiện đệ quy và kêu gọi các bước kiểm tra độc lập, giới hạn đối với hành động tự chủ và các điều kiện can thiệp rõ ràng.
Với doanh nghiệp, ý nghĩa thực tế là: đừng để cùng một mô hình là giám khảo duy nhất cho công việc của chính nó trong những quyết định quan trọng. Hãy duy trì một người đánh giá riêng, các bộ kiểm thử mà hệ thống không bao giờ thấy và sự rà soát của con người ở các điểm then chốt.
Những điều không nên kỳ vọng
- Đây không phải là cải thiện chung về lập trình. Trên Terminal-Bench 2.0 và SWE-bench Verified, điểm trên mỗi token lần lượt là 0,96 và 0,94 lần mô hình gốc. Sakana cho biết khả năng chuyển giao "vẫn chưa đồng đều".
- Một phần cải thiện đến từ việc nộp được nhiều hơn. Trên MLR-Bench, mức tăng đi kèm với nhiều bài báo được nộp hơn; chính bài báo nói rằng bằng chứng phụ thuộc vào cách tổng hợp và không chứng minh được cải thiện nhất quán trên mọi nhiệm vụ.
- Quá trình tìm kiếm nhiều nhiễu. Những lần lặp tốt có thể bị theo sau bởi các lần sụt giảm mạnh, và hai lần chạy cùng một quy trình đã cho ra kết quả trái ngược.
- Đây không phải là sản phẩm hoàn chỉnh. Đây là hai chu trình, một mô hình 27B và các nhiệm vụ tổng hợp. Đó là nghiên cứu, không phải công cụ cắm là chạy.
Kết luận
MASS là một bước đi thú vị hướng tới những mô hình tự cải thiện nhờ tinh thần đồng đội của chính các bản sao của mình, và đi kèm mã nguồn mở cùng những con số trung thực, kể cả ở những chỗ không có cải thiện. Với doanh nghiệp vừa và nhỏ, giá trị trước mắt không nằm nhiều ở việc chạy toàn bộ chu trình mà nằm ở các ý tưởng: hợp đồng rõ ràng giữa các tác tử, đánh giá tách biệt khỏi khâu tạo ra và chú ý nhiều hơn tới điểm mù của bất kỳ hệ thống nào tự đánh giá chính mình.
Nguồn
- 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
Bạn muốn áp dụng điều này cho doanh nghiệp của mình?
KGA IT hỗ trợ doanh nghiệp vừa và nhỏ triển khai trợ lý AI, tự động hóa và website. Tư vấn miễn phí và chúng tôi phản hồi trong vòng 24 giờ. Gói dịch vụ từ ¥5.000/tháng.
- Điện thoại: 080-9732-1062
- Email: kga-it@outlook.com
- Trang liên hệ: kga-it.com/vi/contact