热点事件观察中
Sakana AI自我改进模型提升但存在盲点
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年10月13日报道，Sakana AI与加州大学伯克利分校研究者提出多智能体自我监督（MASS）方法，让单个语言模型同时承担任务执行、工作流优化和结果评估。在测试中，该方法使模型相对基础模型的胜率从进行一轮自我改进后的53.9%，提升至两轮后的69.9%。不过，研究也发现，模型可能存在与自身共享的盲点，导致错误被误判为能力进步，并被纳入后续训练。报道未披露该方法在其他任务或场景中的表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 01:58
MASS测试胜率两轮后升至69.9%，但共享盲点可能放大错误。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 的自我改进模型在任务解决与评估上提升，但无法发现自身盲点
Sakana AI 与 UC Berkeley 研究者提出 Multi-Agent Self-Supervision（MASS）方法，让单个语言模型同时承担任务执行、工作流优化和结果评估。测试中模型对基础模型的胜率从一轮后的 53.9% 提升至两轮后的 69.9%，但共享盲点可能让错误被判断为进步并进入后续训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。