跳到正文
热点事件持续更新

Sakana AI 提出 MASS 递归自我改进方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS）方法，用同一个语言模型分别承担解题、优化工作流和评估结果三种角色，实现递归自我改进，基础模型为 Qwen3.6-27B，用 Qwen Code 作为运行框架。 据 The Decoder 报道，MASS 提升了模型的解题与评判能力，但无法发现自身的盲点。

AI 根据报道生成 · 3 小时前更新

最新进展10月13日 01:58
Sakana AI 的 MASS 自改进方法提升解题与评判能力，但无法发现自身盲点

报道时间线

沿着报道，了解事件的不同侧面。

10月13日
  1. The Decoder
    Sakana AI 的 MASS 自改进方法提升解题与评判能力，但无法发现自身盲点

    Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），用同一个语言模型分别承担解题、优化工作流和评估结果三角色实现递归自改进，基础模型为 Qwen3.6-27B，用 Qwen Code 作为 harness。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月13日 03:00
近 24 小时变化
–

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。