Sakana AI提出MASS方法实现递归自我改进
热点事件持续更新
Sakana AI提出MASS方法实现递归自我改进
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Sakana AI与UC Berkeley研究者提出MASS（多智能体自监督）方法，让单一语言模型通过解题、评估结果和优化工作流实现递归自我改进。在12项研究任务上测试，两轮迭代后模型战胜基础模型的概率从53.9%升至69.9%，自我评估者与外部评测者的一致性从73%提升至93%。 不过该方法存在局限。研究称，尽管迭代提升了性能指标，但模型仍无法察觉自身的盲点。
AI 根据报道生成 · 53 分钟前更新
最新进展10月13日 01:58
Sakana AI提出MASS方法：单模型自我改进可提升解题与评估能力，但无法察觉自身盲点报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI提出MASS方法：单模型自我改进可提升解题与评估能力，但无法察觉自身盲点
Sakana AI与UC Berkeley研究者提出MASS（多智能体自监督）方法，让单一语言模型通过解题、评估结果和优化工作流实现递归自改进。在12项研究任务上测试，两轮迭代后模型战胜基础模型的概率从53.9%升至69.9%，在MLR-Bench、DSBench等基准上单token产出效率达到基础模型的1.2至1.6倍；自我评估者与外部评测者的一致性从73%提升至93%。
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。