Sakana AI 提出 MASS 多智能体自监督递归自我改进方法
先了解这件事
2026年10月12日，Sakana AI 在 Hacker News 首页发布消息，提出 Multi-Agent Self-Supervision（MASS）方法，用集体智能实现递归自我改进。该方法让同一个语言模型同时充当任务执行者、工作流优化器和评估器，通过内层循环搜索更优的多智能体工作流，外层循环把团队执行轨迹蒸馏回共享权重，从而形成递归自我改进（RSI）的自监督信号。10月13日，The Decoder 报道称该工作由 Sakana AI 与 UC Berkeley 共同提出，让单个语言模型同时承担求解、评估和优化三种角色，实现递归自我改进，无需更强的教师模型。早先报道仅提及 Sakana AI，后续报道补充了 UC Berkeley 作为共同提出方。目前报道仅披露了方法框架，未提及实验结果、性能数据或后续进展。
AI 根据报道生成 · 21 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderSakana AI 与 UC Berkeley 提出 MASS：让同一模型自我求解、评判与优化
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS）方法，让单个语言模型同时承担求解、评估和优化三种角色，实现递归自我改进，无需更强的教师模型。
- Hacker News · Front PageSakana AI 提出 MASS：用集体智能实现递归自我改进
Sakana AI 提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时充当任务执行者、工作流优化器和评估器，通过内层循环搜索更优的多智能体工作流、外层循环把团队执行轨迹蒸馏回共享权重，形成递归自我改进（RSI）的自监督信号。
本事件热度走势
当前热度 9·可比范围峰值 15（10月13日 03:00）·近 24 小时可比范围变化 +37%
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。