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）方法，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，无需更强的教师模型即可递归自我改进。代码已公开。 实验中基础模型为 Qwen3.6-27B，配合 Qwen Code 运行；研究使用 GPT-5.5 生成的十二个研究任务，覆盖金融、机器人和制药领域，其中九个用于训练、三个用于测试。 作者称，共享盲点可能成为递归自我改进的“阿喀琉斯之踵”。

AI 根据报道生成 · 35 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。