Sakana AI发布MASS方法揭示递归自我改进共享盲区

2026年10月13日，Sakana AI与加州大学伯克利分校联合发布了递归自我改进方法MASS。实验显示，Qwen3.6-27B模型在经过两轮迭代后，其基准胜率提升至69.9%。然而，研究同时揭示了该方法存在的风险：模型在解题、评估与优化过程中存在共享盲区。这种机制可能导致错误被误判为进步，进而使错误进入下一轮训练，引发潜在的安全隐患。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。