热点事件历史事件
Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法
1 篇报道1 个报道来源7 天前更新
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）的自我改进方法。该方法让同一个语言模型在无更强教师模型的情况下，同时承担解题、评判与优化工作流三种角色，从而实现递归自我改进。报道同时指出，该方法虽能解题与评判，却难以发现自身盲点。目前事件仅此一篇报道，尚无后续进展。
AI 根据报道生成 · 7 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、评判与优化三种角色。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，能解题评判却难发现自身盲点
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同时承担解题、评判与优化工作流三种角色，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 8（10月13日 12:00）·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。