Sakana AI与伯克利提出MASS

Sakana AI与加州大学伯克利分校研究人员提出MASS，让同一语言模型分别执行任务、优化工作流并评估结果，递归进行自我改进而不依赖更强的教师模型。 MASS以Qwen3.6-27B和Qwen Code为基础，在GPT-5.5生成的金融、机器人和制药领域任务上测试，相关结论基于仅8至9项任务的小样本。由于同一模型同时负责改进和评估，模型原有的盲点可能影响这两个环节，研究人员因此提出进行独立检查、限制自主程度并明确人工介入条件。

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。