Sakana AI entrena un modelo con el trabajo de investigación colectivo de sus agentes
El método MASS de Sakana AI utiliza un solo modelo para organizar agentes de investigación, evaluar sus resultados y aprender a partir de ejecuciones seleccionadas del equipo, con mejoras en benchmarks de investigación y una transferencia más débil en otros ámbitos.
By RuntimeWire Staff · Published
Primary source: Sakana AI
Por qué importa
MASS prueba si la coordinación entre agentes puede convertirse en datos de entrenamiento para la siguiente generación de un modelo. Sus primeros avances de investigación hacen la idea concreta, mientras que la transferencia desigual en las evaluaciones comparativas y apenas dos ciclos dejan sin resolver la confiabilidad a largo plazo y los costos en el mundo real.
David Ha, cofundador y CEO de Sakana AI, ha convertido la IA que se autoevoluciona en uno de los intereses de investigación del laboratorio en Tokio. Un nuevo proyecto de Sakana AI y UC Berkeley, descrito en la página del proyecto MASS de Sakana AI, pone a prueba esa idea: usar un modelo para organizar agentes de investigación, dejar que juzgue su trabajo y luego entrenar el modelo con los mejores resultados del equipo.…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.