Sakana AI等提出MASS递归自我改进方法
热点事件持续更新
Sakana AI等提出MASS递归自我改进方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Sakana AI与加州大学伯克利分校研究者提出MASS递归自我改进方法；测试显示它能提高模型解决任务和评估结果的能力，但模型难以发现自身盲点，部分基准表现略有下降。 MASS让同一个语言模型分别执行任务、优化工作流和评估结果，并递归改进工作流。测试中，模型相对基础模型的胜率从一轮后的53.9%升至两轮后的69.9%；但在Terminal-Bench 2.0和SWE-bench Verified上的得分略降。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 01:58
Sakana AI 的 MASS 自我改进方法提升任务解决与评估能力，但难以发现自身盲点报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI 的 MASS 自我改进方法提升任务解决与评估能力，但难以发现自身盲点
Sakana AI 与 UC Berkeley 研究者提出 MASS，让同一个语言模型分别承担任务执行、工作流优化和结果评估，以递归方式改进工作流。测试中，模型对基础模型的胜率从一轮后的 53.9% 提升至两轮后的 69.9%，但在 Terminal-Bench 2.0 和 SWE-bench Verified 上得分略降。
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。