Sakana AI与UC Berkeley提出MASS自改进方法
热点事件观察中
Sakana AI与UC Berkeley提出MASS自改进方法
2 篇报道2 个报道来源3 天前更新
先了解这件事
AI 综述
Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督（MASS）递归自我改进方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并将最佳团队的执行轨迹蒸馏回共享模型。代码已公开。 据 The Decoder 报道，该方法使模型在解题和评判上更强，但看不到自己的盲点。
AI 根据报道生成 · 2 天前更新
最新进展10月13日 01:58
Sakana AI 的自我改进模型在解题和评判上更强，却看不到自己的盲点报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI 的自我改进模型在解题和评判上更强，却看不到自己的盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评判结果三种角色，实现递归自我改进。
10月11日
- Sakana AI精选通过集体智能实现递归自我改进
Sakana AI 发布论文提出多智能体自监督（MASS）：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并将最佳团队的执行轨迹蒸馏回共享模型。
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。