跳到正文
热点事件历史事件

Sakana AI与UC Berkeley提出MASS自我改进方法

1 篇报道1 个报道来源6 天前更新

先了解这件事

AI 综述

Sakana AI 与 UC Berkeley 推出“多智能体自我监督”（MASS）方法，旨在通过任务解决、结果评估和工作流优化实现语言模型的递归自我改进。 基于 Qwen3.6-27B 的实验显示，该方法在两轮训练后对基础模型的胜率从 53.9% 提升至 69.9%，但在 Terminal-Bench 2.0 和 SWE-bench Verified 基准测试中的得分略有下降。

AI 根据报道生成 · 6 天前更新

最新进展10月13日 01:58
Sakana AI 提出 MASS 方法实现模型自我改进但存在共享盲点

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 提出 MASS 方法实现模型自我改进但存在共享盲点

    Sakana AI 与 UC Berkeley 推出“多智能体自我监督”（MASS）方法，让单一语言模型通过解决任务、评估结果和优化工作流实现递归自我改进。基于 Qwen3.6-27B 的实验显示，该方法在两轮训练后对基础模型的胜率从 53.9% 提升至 69.9%，但在 Terminal-Bench 2.0 和 SWE-bench Verified 上得分略有下降。

本事件热度走势

可比范围当前
3
可比范围峰值
1010月13日 03:00
近 24 小时变化
-49%

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。