Sakana AI研究MASS递归自我改进方法及其共享盲点风险

Sakana AI与UC Berkeley研究人员提出Multi-Agent Self-Supervision（MASS），让同一语言模型分别执行任务、优化工作流并评估结果。研究显示，模型在多个基准上的胜率和评估一致性有所提升，但原始分数增益有限，部分基准甚至下降；团队共享的盲点可能把错误误判为改进并写入后续训练。