Sakana AI 与加州大学伯克利分校的研究人员推出了多智能体自监督（MASS）方法。该方法使用 Qwen3.6-27B 的多个副本来完成任务、评估结果并优化工作流程，无需更强大的教师模型；经过两轮后，其在测试任务中对比基础模型的胜率达到 69.9%。然而，基准测试成绩的提升主要反映了完成的工作更多，而且部分分数有所下降。
该方法的核心局限在于，模型副本共享盲点：有缺陷的结果可能通过评估并进入训练。因此，研究人员建议进行独立检查、限制自主性，并明确介入条件。结果显示，该方法在解决和评判任务方面有所提升，同时也表明，自我评估可能无法发现各副本共同存在的错误。
AI 根据报道生成 · 4 天前更新
