⌘ K
… 读取采集状态 同步中...
雷
原文
The Decoder· Jonathan Kemper·· 8 小时前AI 评分52

Sakana AI 提出 MASS 方法实现模型递归自改进，解题与评估能力提升但难以识别自身盲区

Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots

AI 导读

Sakana AI 和 UC Berkeley 研究者提出多智能体自监督（MASS）方法，让单一语言模型同时承担解题、评估和优化角色，通过递归自改进提升能力。测试显示，经过两轮迭代，模型在多个基准测试中的胜率从 53.9% 提升至 69.9%，但共享盲区可能导致错误被误判为进步并进入下一轮训练。研究基于 Qwen3.6-27B 进行 LoRA 微调，代码已公开。

本文当前提供导读和图片预览，完整图文请查看原文。

来源：The Decoder · the-decoder.com

#论文/研究#Agent#推理