Sakana AI与UC Berkeley提出MASS自改进方法
先了解这件事
AI 综述
2026年10月13日，The Decoder报道，Sakana AI与UC Berkeley研究人员提出Multi-Agent Self-Supervision（MASS）方法。该方法让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，从而实现递归自我改进。报道同时指出，由于三种角色由同一模型担任，其共享盲点可能成为隐患。目前该事件仅有这一篇报道，尚无后续进展或与其他报道矛盾之处。
AI 根据报道生成 · 4 天前更新
最新进展10月13日 01:58
Sakana AI与UC Berkeley提出MASS，让同一模型兼任解题、优化与评估以实现递归自改进。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 与 UC Berkeley 提出 MASS 自我改进方法，共享盲点成隐患
Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，实现递归自我改进。
本事件热度走势
当前热度 3·可比范围峰值 10（10月13日 03:00）·近 24 小时可比范围变化 -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。