The Decoder· Jonathan Kemper·· 1 小时前精选
Sakana AI 的 MASS 自我改进模型在解题与评判上提升，但无法发现自身盲点
Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots
研究任务与主要进展
Sakana AI 与 UC Berkeley researchers 提出 Multi-Agent Self-Supervision（MASS），让同一个 Qwen3.6-27B 模型执行科研任务。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请阅读原文核验。
本站判断
MASS 的核心增量是让同一个 Qwen3.6-27B 模型分别承担任务执行、结果评估和工作流优化，并通过多轮迭代改进科研任务表现；不过，评估优势未必源于多智能体协作，且逐任务比较后部分增益不再显著。材料显示，共享盲点可能被自评与再训练共同放大，因此递归自我改进的可靠性仍取决于外部校验、优化器能力和对工作流改动的约束。
来源：The Decoder · the-decoder.com