Sakana AI 的 MASS 研究：解题与评估能力提升，但难以识别自身盲点

Sakana AI 与 UC Berkeley 提出 MASS，让同一语言模型承担解题、评估和工作流优化，无需更强的教师模型即可进行递归自我改进。研究以 Qwen3.6-27B 为基础模型，两轮训练后测试任务胜率从首轮的 53.9% 升至 69.9%，但 MLR-Bench 的完成数量增加伴随着平均评分下降，部分基准表现也略有退步。