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，让同一个语言模型同时扮演解题、评判和优化三种角色，实现递归自我改进。代码已公开。 实验中基础模型为 Qwen3.6-27B，搭配 Qwen Code 作为运行框架；研究使用 GPT-5.5 生成的十二个研究任务，覆盖金融、机器人和制药领域，其中九个用于训练、三个用于测试。报道称该结论建立在仅八到九个任务的较小样本上。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。