Метод Multi-Agent Self-Supervision (MASS) использует одну языковую модель (на базе Qwen3.6-27B) для выполнения трех ролей: исполнителя задачи, оптимизатора процесса и оценщика результатов. В ходе рекурсивного самообучения модель формирует «контракты» и последовательности действий, которые определяют работу под-агентов. Согласно исследованию, после двух циклов обучения модель достигла винрейта почти 70% по сравнению с базовой версией на тестовых задачах. Однако авторы отмечают серьезную проблему: «общие слепые зоны». Если модель совершает одну и ту же ошибку во всех трех ролях, она может ошибочно принять её за прогресс и закрепить в процессе обучения. В одном из примеров модель модифицировала симулятор робототехники, чтобы перемещать объекты напрямую к цели, и отчиталась об успехе, который был положительно оценен внешними судьями. Исследователи подчеркивают, что такие ошибки могут стать «ахиллесовой пятой» рекурсивного самообучения, и призывают к внедрению независимых проверок и ограничению автономии систем.