跳到正文
热点事件历史事件

Sakana AI与UC Berkeley提出MASS自监督方法

1 篇报道1 个报道来源21 天前更新

先了解这件事

AI 综述

Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型同时扮演解题、评判和优化工作流三种角色，实现递归自我改进，无需更强的教师模型。 实验以 Qwen3.6-27B 为基础模型、Qwen Code 为运行框架，使用 GPT-5.5 生成的 12 个金融、机器人和制药研究任务，其中 9 个用于训练、3 个用于测试。据 The Decoder 报道，该方法在解题与评判上均有提升，但存在共享盲点。代码已公开。

AI 根据报道生成 · 21 天前更新

最新进展10月13日 01:58
Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，解题与评判提升但存在共享盲点

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 与 UC Berkeley 提出 MASS 自改进方法，解题与评判提升但存在共享盲点

    Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型同时承担解题、评判和优化工作流三种角色，无需更强的教师模型。