Sakana自提升模型MASS胜率近70%，却难察自身盲区

The Decoder · rss · 2026-10-13

Sakana AI 的 MASS 方法让单个语言模型通过「解题—评判—迭代工作流」实现自我提升：模型先做任务，再评判结果并优化自身流程。经过两轮自我提升后，它对基础模型的胜率接近 70%。

但研究也暴露出核心局限：当模型在解题者、评判者、流程优化者三个角色中都漏掉同一类错误时，它会把错误当成进步并在训练中强化——即模型无法发现自己系统性看不见的盲点，自我提升的天花板由初始能力决定。