跳到正文
热点事件持续更新

Sakana AI与UC Berkeley提出MASS自监督方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型同时扮演解题者、工作流优化者和结果评判者三种角色，实现递归自我改进，无需更强的教师模型。据 The Decoder 报道，该方法在解题与评判上有所提升，但难以发现自身盲点。代码已公开。

AI 根据报道生成 · 3 小时前更新

最新进展10月13日 01:58
Sakana AI 与 UC Berkeley 提出 MASS：模型自我改进在解题与评判上提升，但难发现自身盲点

报道时间线

沿着报道，了解事件的不同侧面。

10月13日
  1. The Decoder
    Sakana AI 与 UC Berkeley 提出 MASS：模型自我改进在解题与评判上提升，但难发现自身盲点

    Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评判结果三种角色，实现递归自我改进，无需更强的教师模型。

本事件热度走势

可比范围当前
8
可比范围峰值
910月13日 06:00
近 24 小时变化
–

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。