Sakana AI 发布 MASS 多智能体自监督方法
热点事件持续更新
Sakana AI 发布 MASS 多智能体自监督方法
2 篇报道2 个报道来源18 小时前更新
先了解这件事
AI 综述
Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出多智能体自监督方法 MASS：由同一个共享模型扮演一支虚拟子智能体团队解题，搜索更优的多智能体工作流并用自身判断筛选，再把最佳团队的执行轨迹蒸馏回共享模型，实现自监督。该工作与 UC Berkeley 研究者合作完成，论文与代码同步发布。 Sakana AI 称，他们用一个 27B 开放权重模型在合成的开放式研究任务上跑了两轮；第二轮后，四个研究基准上每输出 token 的得分达到基座模型的 1.2–1.6 倍。这一成绩出自该团队自述，属于其研究设定下的结果。
AI 根据报道生成 · 4 分钟前更新
最新进展10月12日 04:45
Sakana AI 推出 MASS 多智能体自监督框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- Sakana AISakana AI 推出 MASS 多智能体自监督框架
Sakana AI 发布 Multi-Agent Self-Supervision（MASS），让单一模型通过虚拟子智能体团队解题、搜索更优多智能体工作流并自行评判，再把最佳团队的执行经验蒸馏回共享模型实现自监督。
10月11日
- Sakana AI：BlogSakana AI 发布 MASS 论文：用多智能体自监督实现递归自我改进
Sakana AI 发布论文 Recursive Self-Improvement through Multi-Agent Self-Supervision，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解决任务，搜索更优的多智能体工作流并用自身判断筛选，再把最佳团队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。