MASS של Sakana AI: אימון מודל בעזרת צוות עותקים של עצמו
מחקר MASS של Sakana AI ו־UC Berkeley מציג שיפור בתנאי ניסוי באמצעות סוכנים מאותו מודל, שעובדים יחד ומעריכים תוצרים לצורך אימון נוסף.
האם מודל AI יכול להשתפר באמצעות עבודת צוות עם עותקים של עצמו? ב־12 באוקטובר 2026 הכריזה Sakana AI על MASS, מחקר משותף עם חוקרים מ־UC Berkeley, שבו המודל לא רק משתתף בפתרון משימות אלא גם משפר את חלוקת העבודה בין סוכנים ומעריך תוצאות לצורך אימון נוסף. התוצאות מצביעות על שיפור בתנאי הניסוי, אבל גם מעלות שאלה קריטית: מי בודק את הבודק כשכולם מבוססים על אותו מודל?
מה MASS מוסיף לעבודת צוות של סוכני AI
השם המלא הוא Multi-Agent Self-Supervision. הרעיון המרכזי אינו עצם השימוש בכמה סוכנים, אלא חיבור בין שיתוף הפעולה שלהם לבין תהליך הלמידה: אותו מודל מפעיל סוכנים, משפר את ארגון העבודה ביניהם ומעריך את התוצרים, וההערכה משמשת לאימון נוסף. כך, עבודת הצוות אינה רק דרך להפיק תשובה למשימה הנוכחית, אלא גם מקור למשוב שממנו המודל עשוי ללמוד.
כדי להבין את ההבדל, אפשר לחשוב על צוות שבו משתתף אחד מציע פתרון ואחר בוחן אותו. זו המחשה בלבד, לא תיאור של תפקידים מסוימים בניסוי. במערכת שמסתפקת בהפקת תשובה, התהליך יכול להסתיים בבחירת ההצעה הטובה ביותר. ב־MASS, לפי תיאור המחקר, התוצרים וההערכה מחוברים למחזור שיפור נוסף של המודל ושל חלוקת העבודה.
מודל הבסיס במחקר הוא Qwen3.6-27B, ופורסם גם קוד מחקרי. עבור קבוצות מחקר ומפתחים, זו נקודת פתיחה לבחינת השיטה ולא רק לקריאת ההכרזה. עם זאת, עצם פרסום הקוד אינו מלמד מה יהיו משאבי החישוב הנדרשים בסביבה מסוימת, או אם אפשר לשחזר את התוצאה על משימה עסקית שונה.
התוצאה: יותר ציון לכל טוקן, לא בהכרח פחות הוצאות
לאחר שני מחזורי שיפור דיווחו החוקרים על ציון לכל טוקן פלט הגבוה פי 1.2–1.6 ממודל הבסיס, בארבעה מדדי מחקר. זהו הנתון המרכזי בהכרזה, והניסוח שלו חשוב: מדובר במדד שמחבר בין הציון שהמערכת משיגה לבין כמות הטוקנים שהיא מפיקה. זו אינה טענה שכל תשובה טובה יותר באותו שיעור, וגם לא מדידה ישירה של החיסכון הכספי.
ההבחנה רלוונטית במיוחד למערכות מרובות סוכנים. כשכמה סוכנים עובדים על אותה משימה, צריך לברר אם התוספת בתהליך אכן מצדיקה את המשאבים שהיא צורכת. התוצאה המדווחת מציעה שבתנאי המחקר השיפור לא הסתכם רק בהפקת יותר טקסט. היא עדיין אינה מספקת לבדה תמונה מלאה של עלות האימון, זמני התגובה או העלות הכוללת להפעלת המערכת.
- מה נמדד: ציון לכל טוקן פלט, בהשוואה למודל הבסיס ובארבעה מדדי מחקר.
- מה דווח: יתרון של פי 1.2–1.6 לאחר שני מחזורי שיפור.
- מה אין להסיק: שיפור זהה בכל תחום, ירידה מקבילה במחיר או יכולת להמשיך להשתפר ללא גבול.
- מה דרוש לפני אימוץ: בדיקה של איכות, זמן תגובה ומשאבי חישוב במשימות שהמערכת אמורה לבצע בפועל.
נקודת התורפה: הסכמה בין סוכנים אינה אימות
החוקרים מזהירים שהערכה עצמית עלולה לחזק טעויות משותפות. כשסוכנים נשענים על אותו מודל, ריבוי משתתפים אינו מבטיח ריבוי של נקודות מבט בלתי תלויות. אפשר לקבל דיון מפורט, ביקורת לכאורה והסכמה רחבה, ועדיין להישאר עם אותה הנחת יסוד שגויה. אם התוצר הזה משמש לאימון נוסף, הטעות עלולה לקבל חיזוק במקום תיקון.
הסכמה בין עותקים של אותו מודל אינה תחליף לבדיקה עצמאית של התוצאה.
לכן יש הבדל בין היכולת לייצר משוב לבין היכולת להבטיח שהמשוב נכון. במשימת קוד, למשל, בדיקות שמורצות בפועל יכולות לספק עוגן חיצוני. במשימה המבוססת על מסמכים, אפשר לבדוק אם הטענות נתמכות במקור. אלו דוגמאות לאמצעי הערכה אפשריים, לא טענה שהמחקר השתמש בהם או שהצליח לפתור באמצעותם את בעיית הטעויות המשותפות.
MASS הוא מחקר על שיפור בתנאים מוגדרים, לא הוכחה לשיפור עצמי בלתי מוגבל. אין להחליף בדיקה חיצונית בהצבעת רוב של סוכנים המבוססים על אותו מודל.
מה מפתח או עסק בישראל צריכים לבדוק
לצוות ישראלי שבונה מערכת לעיבוד מסמכים בעברית, תמיכה בלקוחות או טיפול בקוד, השאלה המעשית אינה כמה סוכנים אפשר להפעיל. השאלה היא אם הלמידה מעבודת הצוות משפרת את התוצאה על חומר שהמודל לא התאמן עליו במסגרת הניסוי. התחקיר אינו כולל תוצאות ייעודיות לעברית, ולכן אין בסיס להניח שהיתרון המדווח יעבור באותה עוצמה לטקסט מקומי.
בדיקה מקומית יכולה להתבסס על מסמכים מורשים לשימוש שמערבים עברית ואנגלית, קיצורים ארגוניים ושאלות שאין להן תשובה בחומר המקור. כדאי להשוות את מודל הבסיס למערכת שעברה את תהליך השיפור, תוך שמירה על תנאי בדיקה דומים. לצד נכונות התשובות, חשוב לבדוק אם המערכת יודעת להימנע מהשלמת פרטים חסרים, ואם עבודת הצוות מקלה על איתור הטעות או דווקא מסתירה אותה.
בעסק קטן, גם שיפור באיכות עלול להיות לא כדאי אם הוא מוסיף המתנה ועלויות שאינן מתאימות לשירות. מנגד, במשימה יקרה לבדיקה אנושית, תהליך מורכב יותר עשוי להצדיק ניסוי. לפני שמכניסים חומר של לקוחות למחזור אימון, יש לבחון הרשאות, פרטיות וסביבת הרצה. אלה שיקולי יישום נפרדים מההישג המחקרי, ואין בתוצאה המדווחת תשובה אוטומטית עבורם.
מה צריך לראות במחקרי ההמשך
המבחן הבא של הגישה הוא לא רק אם אפשר להשיג עוד עלייה בציון, אלא אם אפשר להבין מתי המשוב העצמי מועיל ומתי הוא מטעה. כדי להעריך את התרומה של כל רכיב, חשוב להפריד בין השפעת חלוקת העבודה, השפעת ההערכה והשפעת האימון הנוסף. בדיקות על משימות חדשות ועם מעריכים חיצוניים יוכלו לסייע לברר עד כמה השיפור עובר מעבר לסביבת הניסוי.
העניין ב־MASS הוא בהצעת מסלול שבו שיתוף פעולה בין סוכנים הופך לחומר גלם ללמידה. פרסום הקוד מאפשר להתחיל לבחון את המסלול הזה, והתוצאות מספקות סיבה מחקרית לעשות זאת. עבור מפתחים בישראל, המסקנה היא להתנסות בזהירות: למדוד שיפור במשימה מקומית, לשמור על בדיקה שאינה תלויה במודל ולספור את העלות הכוללת, לא רק את הטוקנים שבתשובה.
שאלות נפוצות
מה זה MASS של Sakana AI?
MASS, ראשי תיבות של Multi-Agent Self-Supervision, הוא מחקר שבו אותו מודל מפעיל כמה סוכנים, משפר את חלוקת העבודה ביניהם ומעריך תוצאות לצורך אימון נוסף. המחקר נערך בשיתוף חוקרים מ־UC Berkeley ומשתמש במודל הבסיס Qwen3.6-27B.
האם MASS מוכיח שבינה מלאכותית יכולה להשתפר בלי גבול?
לא. החוקרים דיווחו על שיפור בציון לכל טוקן פלט אחרי שני מחזורי שיפור, בארבעה מדדי מחקר. התוצאה אינה מוכיחה שיפור בלתי מוגבל, והערכה עצמית עלולה לחזק טעויות שמשותפות לסוכנים.
האם אפשר לבדוק את MASS בעברית?
פורסם קוד מחקרי שמאפשר למפתחים לבחון את הגישה, בכפוף לבדיקת דרישות ההרצה ותנאי השימוש. התחקיר אינו כולל תוצאות ייעודיות לעברית, ולכן יש להעריך ביצועים על משימות מקומיות עם בדיקה חיצונית של התשובות.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות