Sakana AI 与加州大学伯克利分校研究人员提出多智能体自监督方法 MASS，用于大语言模型的递归自我改进（RSI）。据 The Decoder 报道，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个角色，无需依赖更强的教师模型。 报道称代码已公开。不过该报道同时指出，模型在自我评估与优化上仍存在共享盲区。
AI 根据报道生成 · 1 天前更新
沿着报道，了解事件的不同侧面。
Sakana AI 与 UC Berkeley 提出多智能体自监督方法 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个角色，实现递归自我改进，无需更强的教师模型。
还没有足够的连续观测数据，暂不绘制趋势。