هوش مصنوعی

خودبهبودی بازگشتی؛ Sakana AI پیش‌چاپ و کد روش MASS را منتشر کرد

DevNA | devna.ir
۱ از ۸

یک مدل، سه نقش

Sakana AI و UC Berkeley در ۲۰ مهر ۱۴۰۵ پیش‌چاپ روش MASS را منتشر کردند: یک مدل متن‌باز هم‌زمان مجری، داور و بهینه‌ساز تیم چندعاملی خودش است.

۲ از ۸

حلقه درونی: گردش‌کار

با وزن‌های منجمد، بهینه‌ساز نقش‌ها، دستورها، قراردادهای خروجی و ترتیب فراخوانی تیم را بازنویسی می‌کند تا داور بگوید خروجی بهتر شد.

۳ از ۸

حلقه بیرونی: وزن‌ها

اجرای تیمی که خودِ مدل بهترین دانسته، با LoRA به داده آموزش تبدیل می‌شود. مدل به‌روزشده دوباره هر سه نقش را می‌گیرد.

۴ از ۸

Qwen3.6-27B و ۱۲ تکلیف

مدل پایه Qwen3.6-27B داخل محیط qwen-code؛ ۱۲ تکلیف پژوهشی مصنوعی در مالی، رباتیک و دارویی، ۹ برای آموزش و ۳ برای تست. دو دور کامل.

۵ از ۸

دور دوم: ۶۹٫۹ درصد

روی تکلیف‌های تست، دور اول در ۵۳٫۹ درصد مقایسه‌ها مدل پایه را برد و دور دوم در ۶۹٫۹ درصد. دور دوم در ۶۰٫۸ درصد از دور اول جلو زد.

۶ از ۸

این «دقت» نیست

عدد تیتری امتیاز به‌ازای هر توکن خروجی است: ۱٫۶۰ برابر روی MLR-Bench، اما ۰٫۹۶ و ۰٫۹۴ برابر روی Terminal-Bench 2.0 و SWE-bench Verified.

۷ از ۸

چندعاملی، ارزان‌تر

نسخه چندعاملی با ۲۸٫۸ میلیون توکن نظارتی به نرخ برد ۶۸٫۳ درصد رسید؛ نسخه تک‌عاملی با ۴۲ میلیون توکن روی ۶۴٫۰ درصد ماند.

۸ از ۸

پاشنه آشیل؟

نویسنده‌ها می‌نویسند نقطه کور مشترک «ممکن است پاشنه آشیل» این حلقه باشد. جزئیات دو دور آموزش و عدد هر بنچمارک را در مطلب DevNA بخوانید.

ماجرای کامل را در DevNA بخوانید

پیش‌چاپ Sakana AI و UC Berkeley روش MASS را برای خودبهبودی بازگشتی آزمود: امتیاز به‌ازای هر توکن خروجی روی چهار بنچمارک پژوهشی ۱٫۲ تا ۱٫۶ برابر شد.

خواندن مطلب کامل