Sakana AI 的 MASS 让模型自我改进：解题与评判变强，却难察觉自身盲区

Sakana AI 与 UC Berkeley 提出多智能体自监督方法 MASS，让单个语言模型同时扮演解题、优化流程和评判结果三种角色，无需更强教师模型。基于 Qwen3.6-27B 与 Qwen Code，测试任务对基座模型的胜率从一轮后的 53.9% 升至两轮后的 69.9%，自评判器与外部评委一致率从 73% 升至 93%。