‏Recursive self-improvement through collective intelligence
‏بهبود بازگشتیِ خود از طریق هوش جمعی

‏یک language model که خودش task حل می‌کند، workflow طراحی می‌کند، نتایج را ارزیابی می‌کند و از اجرای multi-agent یاد می‌گیرد — این چیزی است که MASS بررسی می‌کند: بهبود بازگشتیِ خود در عمل.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: وقتی یک model هم طراحِ workflow است هم ارزیاب، حلقه‌ی بهبود بدون دخالت انسان می‌چرخد — این مرز بین fine-tuning دستی و یادگیری خودکار را جدی به چالش می‌کشد.
‏💡 نکته: ترکیبِ reasoning، planning و evaluation در یک agent واحد نشان می‌دهد که multi-agent execution نه فقط ابزار موازی‌سازی، بلکه منبعِ داده برای یادگیری است.
‏👥 برای کی: کسانی که روی agent، LLM fine-tuning یا سیستم‌های multi-agent کار می‌کنند.

‏🔗 https://pub.sakana.ai/mass/
‏#ai #LLM #agent

‏@BenFeed