Sakana AI 自改进模型两轮优化后胜率接近 70%，研究称仍有错误盲点

Techub News 消息，AI 初创公司 Sakana AI 推出的自改进模型采用 MASS 方法，让单个语言模型通过解决任务、评判结果和优化工作流来实现自我提升。

研究显示，经过两轮改进后，该模型在基准测试中的胜率较基础模型提升至接近 70%。

不过，研究也发现，该模型在某些错误上存在盲点。若模型在所有任务角色中都犯下相同错误，训练过程可能会将其误认为是进步，并继续加以强化。

消息源为 The Decoder。