Il punto più interessante della ricerca di Sakana AI sul miglioramento ricorsivo dei modelli linguistici non è che un’intelligenza artificiale possa diventare più efficace attraverso l’addestramento dei propri risultati. È che questo processo potrebbe funzionare anche quando non esiste una risposta corretta facilmente verificabile da una macchina. È proprio qui che si apre uno dei problemi più difficili della ricerca sull’intelligenza artificiale: migliorare le prestazioni su compiti aperti, nei quali la qualità dipende dal ragionamento, dalla strategia e dalla capacità di produrre risultati utili, anziché dalla semplice corrispondenza con una soluzione nota.
I tradizionali sistemi di self-improvement incontrano infatti un limite strutturale. Per imparare dai propri tentativi, un modello ha bisogno di un criterio che distingua un risultato valido da uno mediocre. Nei problemi matematici, nella generazione di codice sottoposto a test o negli ambienti simulati, questo criterio può essere relativamente semplice da definire. La situazione cambia quando il compito consiste nel costruire un’analisi strategica, elaborare una spiegazione convincente o risolvere un problema per il quale non esiste un test automatico affidabile. Senza un verificatore esterno, il sistema rischia di confondere la plausibilità con la correttezza e la coerenza del proprio ragionamento con la sua effettiva qualità.
La proposta MASS, acronimo utilizzato per il metodo di miglioramento ricorsivo basato sull’autovalutazione multi-agente, affronta il problema spostando l’attenzione dal singolo risultato alla qualità del processo che lo produce. L’idea è utilizzare un modello di base per progettare diversi flussi di lavoro composti da più agenti, eseguirli e valutarli, lasciando poi a una ricerca evolutiva il compito di conservare le configurazioni che ottengono i risultati migliori. Il modello non viene quindi premiato soltanto per una risposta, ma per aver costruito una procedura capace di produrre risposte migliori.
Il meccanismo opera attraverso due cicli distinti. Nel primo, il modello mantiene invariati i propri pesi e sperimenta differenti modalità di collaborazione tra agenti virtuali. Può cambiare la distribuzione dei ruoli, le istruzioni assegnate a ciascun agente e l’ordine con cui le informazioni vengono scambiate. Nel secondo, seleziona le esecuzioni considerate migliori e utilizza le tracce prodotte durante il lavoro collettivo per aggiornare il modello attraverso il fine-tuning. La versione migliorata riparte quindi dal ciclo iniziale, ma dispone di una maggiore capacità di organizzare il lavoro e giudicarne i risultati. Il contributo fondamentale di MASS è questo: l’esperienza maturata dalla squadra virtuale viene trasferita nel modello condiviso, anziché richiedere ogni volta la ricostruzione di un sistema multi-agente esterno.
I risultati sperimentali sono promettenti secondo Sakana AI, due cicli di miglioramento applicati a Qwen3.6-27B hanno portato il punteggio per token generato a un livello compreso tra 1,2 e 1,6 volte quello iniziale, su quattro benchmark di ricerca aperti. Il lavoro, realizzato con ricercatori dell’Università della California a Berkeley, segnala inoltre che uno studente addestrato sulle tracce multi-agente può superare un modello addestrato con un approccio a singolo agente, anche quando quest’ultimo riceve il 40% di token in più. È un risultato che merita attenzione perché suggerisce che la qualità dei dati di addestramento e l’organizzazione del ragionamento possono contare più del semplice aumento del volume dei dati.
La distinzione tra efficienza e capacità assoluta, tuttavia, è essenziale. Un miglioramento del punteggio per token non dimostra automaticamente che il modello abbia acquisito una comprensione generale più profonda, né che sia diventato capace di migliorarsi indefinitamente. I benchmark misurano prestazioni in condizioni sperimentali specifiche; la loro validità dipende dalla qualità dei compiti, dalla robustezza della valutazione e dalla capacità di trasferire i risultati ad ambienti non contemplati durante l’addestramento. Anche l’uso di valutatori esterni per confrontare le prestazioni nei test non elimina il problema centrale: durante il processo ricorsivo, il sistema continua a dipendere dai propri giudizi per selezionare le esperienze che alimenteranno la versione successiva.
Se il modello commette un errore che non è in grado di riconoscere, può attribuire un punteggio elevato a una soluzione sbagliata e trasformare quella valutazione in un segnale di addestramento. Dopo diversi cicli, il difetto rischia di consolidarsi anziché scomparire. L’autovalutazione può quindi produrre un miglioramento reale nelle aree in cui il modello dispone già di criteri affidabili, ma può anche rendere più persistenti i suoi punti ciechi. Il problema non si risolve aumentando semplicemente il numero degli agenti: copie dello stesso modello possono offrire prospettive operative differenti, ma condividere gli stessi errori fondamentali.
Dal punto di vista industriale, MASS suggerisce una possibile evoluzione dell’economia dell’intelligenza artificiale. Se una parte crescente del miglioramento può essere ottenuta attraverso l’ottimizzazione dei flussi di lavoro e il riutilizzo delle tracce generate, le imprese potrebbero ridurre la dipendenza da dataset annotati manualmente e da modelli insegnanti più costosi. Il vantaggio competitivo si sposterebbe progressivamente verso la capacità di costruire cicli di apprendimento efficienti, misurabili e controllabili. Per chi sviluppa sistemi agentici, la questione non sarebbe più soltanto quale modello utilizzare, ma come organizzare le sue diverse istanze affinché producano conoscenza riutilizzabile.
La ricerca di Sakana AI non dimostra ancora che l’intelligenza artificiale possa superare autonomamente ogni limite cognitivo, né che sia possibile avviare una crescita esponenziale senza supervisione. Dimostra, più precisamente, che una parte del miglioramento può emergere dall’ottimizzazione della collaborazione tra agenti e dalla distillazione delle loro esperienze in un unico modello. È un passo significativo verso il miglioramento ricorsivo, ma rende anche più urgente una questione di governance: come distinguere un progresso autentico da un errore che il sistema ha imparato a premiare? Senza un controllo indipendente, la ricorsione potrebbe accelerare tanto l’apprendimento quanto la propagazione degli sbagli.
Il paper originale è disponibile su arXiv, Recursive Self-Improvement through Multi-Agent Self-Supervision, mentre il codice sperimentale è pubblicato nel repository ufficiale di Sakana AI su GitHub.