Sakana AI发布多智能体自监督方法研究

Sakana AI与UC Berkeley研究人员提出"多智能体自监督"(MASS)方法，让单一语言模型通过解决任务、评估结果和优化工作流程实现自我改进。该方法在测试任务中的胜率从53.9%提升至69.9%，但存在共享盲点可能导致错误被接受为改进的问题。研究使用Qwen3.6-27B作为基础模型，在金融、机器人和制药等领域的12个研究任务上进行了测试。