Sakana AI与UC Berkeley提出MASS自改进方法
热点事件持续更新
Sakana AI与UC Berkeley提出MASS自改进方法
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
Sakana AI与UC Berkeley提出MASS多智能体自监督方法，让单一语言模型通过解题、评判和优化工作流实现递归自改进。基于Qwen3.6-27B的实验显示，两轮后测试任务胜率从53.9%升至69.9%，自评器与外部评判一致率从73%升至93%。但共享盲点可能让错误被当作进步并进入下一轮训练。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 01:58
Sakana AI 与 UC Berkeley 提出 MASS 多智能体自监督方法报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI 与 UC Berkeley 提出 MASS 多智能体自监督方法
Sakana AI 与 UC Berkeley 提出 MASS 方法，让单一语言模型通过解题、评判和优化工作流实现递归自改进。基于 Qwen3.6-27B 的实验显示，两轮后测试任务胜率从 53.9% 升至 69.9%，自评器与外部评判一致率从 73% 升至 93%，但共享盲点可能让错误被当作进步并进入下一轮训练。
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。