热点事件持续更新
Sakana AI 与 UC Berkeley 提出 MASS 自我改进框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月13日，The Decoder 报道，Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS）方法。该框架让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，实现递归自我改进，无需依赖更强的教师模型。报道称，MASS 在解题与评判上取得进步，但难以发现自身盲点。目前该事件仅有这一篇报道，后续进展有待观察。
AI 根据报道生成 · 4 小时前更新
最新进展10月13日 01:58
Sakana AI 与 UC Berkeley 提出 MASS，让同一模型兼任解题、优化与评估角色。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：模型自我改进在解题与评判上进步，却难发现自身盲点
Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，实现递归自我改进，无需更强的教师模型。
本事件热度走势
当前热度 9·可比范围峰值 10（10月13日 03:00）·近 24 小时可比范围变化 –
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。