Sakana AI与UC Berkeley提出MASS自改进方法

Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督（MASS）递归自改进方法：让同一个语言模型同时扮演解题、优化工作流和评估结果三种角色，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，代码已公开。 该方法仍存在盲点问题：模型难以自查自身的盲点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。