Sakana AI 与伯克利发布 MASS，多智能体自监督实现递归自我改进

Sakana AI 与 UC Berkeley 合作发布论文 MASS（Multi-Agent Self-Supervision，作者含 Matei Zaharia），针对不可验证任务上人类难以可靠评估导致递归自我改进监督瓶颈的问题，让同一模型的多个实例互相监督。实验显示两轮迭代即可让模型每 token 性能提升 1.2–1.6 倍，但学者 Dietterich 对监督瓶颈是否真正解决提出质疑。

2026-10-13 ~ 2026-10-13 · 4 条相关

• Sakana AI 与伯克利提出 MASS:多智能体自监督实现递归自我改进 — TheTuringPost · 2026-10-13
• Sakana AI 与伯克利 MASS 论文:两轮迭代让模型每 token 性能提升 1.2–1.6 倍 — TheTuringPost · 2026-10-13
• Sakana AI 发布 MASS 多智能体自我改进论文，Dietterich 质疑监督瓶颈未解 — tdietterich · 2026-10-13

另有 1 条近重复转述:hardmaru