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2 小时前更新
先了解这件事
SI 综述
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 根据报道生成 · 1 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，单一模型可递归自改进但存盲点风险。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。
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。