The Decoder· Jonathan Kemper·· 3 小时前精选AI 评分62
Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，模型解题与评判能力提升但存在共享盲点
Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots
AI 导读
Sakana AI 与 UC Berkeley 提出多智能体自监督方法 MASS，让同一个语言模型同时承担解题、评判与优化三种角色，无需更强的教师模型。基于 Qwen3.6-27B 与 Qwen Code，测试任务对基座模型的胜率从一轮后的 53.9% 升至两轮后的 69.9%，自评估器与外部评判的一致率从 73% 升至 93%。
推荐理由
MASS 让同一模型同时扮演解题、评判与优化三种角色，论文给出的增益与共享盲点风险可对照参考。
来源：The Decoder · the-decoder.com