⌘ K
… 读取采集状态 同步中...
雷
热点事件持续更新

Sakana AI提出MASS递归自改进方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Sakana AI与UC Berkeley研究者于2026年10月13日提出多智能体自监督（MASS）方法，旨在通过递归自改进提升语言模型能力。该方法让单一模型同时承担解题、评估和优化角色。测试基于Qwen3.6-27B进行LoRA微调，结果显示经过两轮迭代，模型在多个基准测试中的胜率从53.9%提升至69.9%。然而，由于解题与评估角色共享同一模型，可能存在共同盲区，导致错误被误判为进步并进入下一轮训练。研究代码已公开。

AI 根据报道生成 · 4 小时前更新

最新进展10月13日 01:58
MASS方法经两轮迭代将基准测试胜率从53.9%提升至69.9%，但存在共享盲区风险。

报道时间线

沿着报道，了解事件的不同侧面。

10月13日
  1. The Decoder
    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 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。

本事件热度走势

当前热度 9·可比范围峰值 10（10月13日 03:00）·近 24 小时可比范围变化 –

02.557.51010月13日03:0010月13日04:0010月13日05:0010月13日06:00

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。