Sakana AI与UC Berkeley提出多智能体自监督方法
热点事件持续更新
Sakana AI与UC Berkeley提出多智能体自监督方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月13日，Sakana AI与加州大学伯克利分校的研究人员提出了一种名为“多智能体自监督”（MASS）的递归自改进方法。该方法旨在让单一语言模型通过解决任务、评判结果和优化工作流来自我改进。报道指出，该方法在解决与评判任务上表现有所提升，但无法捕捉自身盲点。该方法的相关代码已公开。早先报道称该方法为“多智能体自监督”（MASS）递归自改进方法，后续报道确认了其名称与目标。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 01:58
Sakana AI 自改进模型在解决与评判任务上表现提升，但无法捕捉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 自改进模型在解决与评判任务上表现提升，但无法捕捉自身盲点
Sakana AI 与 UC Berkeley 的研究人员提出了“多智能体自监督”（MASS）方法，让单一语言模型通过解决任务、评判结果和优化工作流来自我改进。
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。