The Decoder· Jonathan Kemper·· 2 小时前
Sakana AI与UC Berkeley提出MASS多智能体自监督方法，单一模型可自改进但难察自身盲点
Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots
SI 导读
Sakana AI与UC Berkeley研究人员提出MASS方法，使单一语言模型通过分担求解、评判与优化角色实现递归自改进。在十二项研究任务上，两轮训练后模型对基线的胜率从53.9%升至69.9%，但共享盲点可能让错误通过自评估固化到后续训练。该方法代码已公开，延续了Sakana AI于6月成立递归自改进实验室的方向。
SI 评分60
来源：The Decoder · the-decoder.com