热点事件持续更新
Sakana AI提出MASS自改进方法
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
2026年10月13日，The Decoder报道，Sakana AI与UC Berkeley提出Multi-Agent Self-Supervision（MASS）自改进方法。该方法不依赖更强的教师模型，而是让同一个语言模型分别承担解题、评判结果和改写工作流。报道称，MASS能够提升解题与评判表现，使模型在自监督过程中同时完成作答、检查和调整流程。不过，该方法仍难以抓住自身盲点。综合现有报道，MASS的核心是以单一语言模型的内部分工实现自我改进，并在无需外部更强教师的情况下改善解题和评判，但自我识别盲点的能力仍然有限。
AI 根据报道生成 · 3 小时前更新
最新进展10月13日 01:58
The Decoder报道Sakana与UC Berkeley提出MASS，提升解题与评判，但仍难抓住自身盲点。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI 的 MASS 自改进方法提升解题与评判，但仍难抓住自身盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一语言模型分工解题、评判结果并改写工作流，无需更强教师模型。
本事件热度走势
当前热度 9·可比范围峰值 9（10月13日 04:00）·近 24 小时可比范围变化 –
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。