热点事件持续更新
Sakana AI与UC Berkeley提出MASS自改进方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月13日，The Decoder报道，Sakana AI与UC Berkeley提出名为Multi-Agent Self-Supervision（MASS）的方法。该方法让同一个语言模型在无更强教师模型的情况下，分饰求解、评判和优化三种角色，实现递归自我改进。目前报道仅介绍该方法的基本思路，未披露具体实验数据或结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 01:58
Sakana AI与UC Berkeley提出MASS方法，让单一模型分饰三角色实现递归自我改进。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 方法，让单一模型自我求解、评判与优化
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型在无更强教师模型的情况下分饰求解、评判和优化三种角色，实现递归自我改进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。