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

Sakana AI 推出的自改进模型采用 MASS 方法，让单个语言模型在解决任务、评判结果和优化工作流的循环中自行提升。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升至接近 70%。不过，研究也指出，这类模型在部分错误上仍存在盲点；如果模型在所有任务角色中重复同类错误，训练过程可能会把错误当成进步并继续强化。