热点事件持续更新
Sakana AI 与 UC Berkeley 提出 MASS 多智能体自监督方法
2 篇报道2 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年10月12日，Hacker News 热帖介绍 Sakana AI 提出的 Multi-Agent Self-Supervision（MASS，多智能体自监督）方法。该方法让同一个模型同时承担执行器、工作流优化器和评估器三种角色，通过搜索多智能体工作流，并将优选出的轨迹蒸馏回共享模型，形成递归自我改进循环。10月13日 The Decoder 报道补充称，该方法由 Sakana AI 与 UC Berkeley 共同提出，让同一语言模型分别承担解题、评估和优化工作流的角色，并通过 LoRA 微调进行递归学习；报道称模型在解题和评审能力上有所提升，但难以发现共同盲区。
AI 根据报道生成 · 11 小时前更新
最新进展10月13日 01:58
后续报道称 MASS 经 LoRA 微调提升解题与评审能力，但难发现共同盲区。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 与 UC Berkeley 提出 MASS 自改进方法，模型解题和评审能力提升但难发现共同盲区
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一语言模型分别承担解题、评估和优化工作流的角色，并通过 LoRA 微调递归学习。
10月12日
- Hacker News：AI 热帖Sakana AI 提出 MASS：通过多智能体自监督实现递归自我改进
Sakana AI 介绍 Multi-Agent Self-Supervision（MASS），让同一模型同时承担执行器、工作流优化器和评估器，通过搜索多智能体工作流并把优选轨迹蒸馏回共享模型来形成递归自我改进循环。
本事件热度走势
当前热度 12·可比范围峰值 16（10月13日 03:00）·近 24 小时可比范围变化 +33%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。