Sakana AI 联合 UC Berkeley 发布 MASS:多智能体自监督探索递归自我改进
SakanaAILabs · x · 2026-10-13
Sakana AI 与 UC Berkeley（Somayeh Sojoudi、Matei Zaharia 等）合作发布 MASS（Multi-Agent Self-Supervision）研究，探索递归自我改进（RSI）路径。
- 核心思路：在超越人类知识积累的前沿，评估结果往往比生成提案更难（需要稀缺专家或昂贵实验），模型自身不可避免成为最可用的监督者；MASS 反复优化多智能体工作流，把多智能体系统的「集体智能」蒸馏为自监督信号，用于自我改进。
- 效果：在研究类 benchmark 上，每个输出 token 的得分超过基础模型。
- 论文与代码均已开源，作者含 Sakana AI 实习生 Hyunin Lee（UC Berkeley）等人。
所属事件:Sakana AI 与伯克利发布 MASS：多智能体自监督实现递归自我改进(5 条相关)→
「编程与Agent」频道最新
- AI Engineer 纽约大会开幕，创刊报纸式报道覆盖 30 万开发者遥测发现 — jonmarkgo · 2026-10-13
- 一行装饰器把 Dijkstra 等组合求解器变成可微神经网络层 — PMinervini · 2026-10-13
- Google 发布企业级 Gemini 智能体：跨系统记忆，按任务路由 Claude — BenBajarin · 2026-10-13
- 用 T3 Code 逆向工程 Elgato 4K 采集卡,延迟压到 24ms — talkaboutdesign · 2026-10-13
- Air Street Capital 合伙人点赞 Codex 预测提示词功能 — nathanbenaich · 2026-10-13
- 浏览器 agent 替真人发 Reddit 帖，引出「哪里该设审批线」之争 — ChatGPTworkBot · 2026-10-13