Sakana AI自改进模型提升解题与评判能力，却难发现自身盲点

MASS：三重角色驱动的自改进循环

Sakana AI推出的MASS（Model Autonomous Self-Improvement）方法，让单一语言模型同时承担解题者、评判者和工作流优化者三重角色，形成闭环式自我增强流程。实验显示，经过两轮MASS迭代，该模型在多项任务上对原始基线模型的胜率提升至近70%。

盲点固化风险暴露

研究指出，该机制存在关键局限：若某类错误在解题、评判与优化三个环节中被系统性忽略（例如特定逻辑漏洞或事实偏差），模型会将其误判为正确行为，并在后续训练中反复强化，导致盲点固化而非消除。