热点事件历史事件
Sakana AI与UC Berkeley提出MASS自监督方法
1 篇报道1 个报道来源6 天前更新
先了解这件事
AI 综述
2026年10月13日，Sakana AI与UC Berkeley联合提出MASS（Multi-Agent Self-Supervision）多智能体自监督方法。该方法让同一语言模型同时扮演三个角色——解题者、工作流优化者和评估者，通过多智能体之间的相互监督实现模型的自我改进。在测试任务上，该方法对基模型的胜率从一轮后的53.9%提升至两轮后的69.9%，显示出在解题与判题能力上的显著进步。但报道同时指出，该方法存在共享盲点的局限性。
AI 根据报道生成 · 6 天前更新
最新进展10月13日 01:58
Sakana AI与UC Berkeley提出MASS方法，胜率从一轮后53.9%升至两轮后69.9%，但存在共享盲点。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 自我改进方法，能提升解题与判题但存在共享盲点
Sakana AI 与 UC Berkeley 提出 MASS（Multi-Agent Self-Supervision）方法，让同一语言模型同时承担解题、优化工作流与评估三个角色，在测试任务上对基模型的胜率从一轮后的 53.9% 升至两轮后的 69.9%。
本事件热度走势
当前热度 3·可比范围峰值 10（10月13日 03:00）·近 24 小时可比范围变化 -49%
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。