MASS用单模型模拟多智能体实现递归自我改进
热点事件持续更新
MASS用单模型模拟多智能体实现递归自我改进
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
MASS论文作者提出递归自我改进方法，让单一基础模型分别扮演编排器、执行者和评判者，迭代生成、执行并评估多智能体工作流，再通过监督微调形成递归训练循环。在Qwen3.6-27B上经过两轮循环后，模型在四个开放式公开基准上的每输出token性能提升1.2至1.6倍，但在Terminal-Bench上效果基本持平，为0.96倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 01:37
MASS 论文：单模型扮演多智能体团队实现递归自我改进报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI HuntMASS 论文：单模型扮演多智能体团队实现递归自我改进
MASS 论文提出递归自我改进方法，让单一基础模型分别扮演 orchestrator、worker 和 judge，迭代提出、执行并自评多智能体工作流，再通过监督微调形成递归 bootstrapping。在 Qwen3.6-27B 上经过两轮 MASS 循环，四个开放式公开基准的每输出 token 性能提升 1.2-1.6 倍，但在 Terminal-Bench 上效果持平，为 0.96x。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。