热点事件持续更新
Sakana AI提出MASS递归自我改进
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月13日，The Decoder报道，Sakana AI与UC Berkeley研究人员提出Multi-Agent Self-Supervision（MASS）递归自我改进方法。该方法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，MASS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。研究人员还指出，团队共享的盲点可能将错误误判为改进，并将这些错误写入后续训练。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 01:58
研究显示MASS评估表现提升，但原始分数增益有限且存在共享盲点风险。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。