Sakana AI与UC Berkeley提出MASS自监督方法

Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型分别扮演求解、评估和优化三种角色，实现递归自我改进，代码已公开。 实验以 Qwen3.6-27B 为基础模型、Qwen Code 为运行框架，使用 GPT-5.5 生成的 12 个研究任务（涉及金融、机器人、制药），其中 9 个用于训练、3 个用于测试。由于搜索在一个训练任务上找不到优于参考方案的工作流，最终只有 8 个任务产出训练数据。 报道同时指出，该方法存在共享盲点隐患。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。