热点事件持续更新
Sakana AI与伯克利提出MASS方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月13日，The Decoder报道称，Sakana AI与加州大学伯克利分校提出Multi-Agent Self-Supervision（MASS）方法。该方法让同一个语言模型分别承担任务执行、结果评估和工作流优化等角色，并通过LoRA微调实现递归改进。报道未提供更多实验结果、应用进展或后续动态。
AI 根据报道生成 · 3 小时前更新
最新进展10月13日 01:58
Sakana AI与伯克利公布让语言模型递归改进的MASS方法。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 递归自我改进方法
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一语言模型分别承担任务执行、结果评估和工作流优化，并通过 LoRA 微调进行递归改进。
本事件热度走势
当前热度 9·可比范围峰值 9（10月13日 04:00）·近 24 小时可比范围变化 –
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。