Sakana AI ਅਤੇ UC ਬਰਕਲੇ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਢੰਗ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਆਪਣੀਆਂ ਮਲਟੀ-ਏਜੰਟ ਟੀਮਾਂ ਨੂੰ ਸੰਗਠਿਤ, ਨਿਰਣਾ ਕਰਨ ਅਤੇ ਸਿੱਖਣ ਦੁਆਰਾ ਆਪਣੇ ਆਪ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਦਿੰਦਾ ਹੈ - ਇੱਕ ਪਹੁੰਚ ਜੋ ਖੋਜ ਕਾਰਜਾਂ ਵਿੱਚ ਮੁੜ-ਮੁੜ ਸਵੈ-ਸੁਧਾਰ ਨੂੰ ਵਧਾਉਂਦੀ ਹੈ ਜਿੱਥੇ ਕੋਈ ਆਟੋਮੈਟਿਕ ਜਵਾਬ ਕੁੰਜੀ ਮੌਜੂਦ ਨਹੀਂ ਹੈ।

ਪੇਪਰ, "MASS: ਮਲਟੀ-ਏਜੰਟ ਸਵੈ-ਨਿਗਰਾਨੀ ਰਾਹੀਂ ਮੁੜ-ਮੁੜ ਸਵੈ-ਸੁਧਾਰ," ਅਕਤੂਬਰ 2026 ਵਿੱਚ ਟੋਕੀਓ-ਅਧਾਰਤ ਲੈਬ ਤੋਂ ਇੱਕ ਇੰਟਰਐਕਟਿਵ ਪ੍ਰੋਜੈਕਟ ਪੇਜ ਦੇ ਨਾਲ arXiv (2610.12176) ਉੱਤੇ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ। ਇਸਦੀ ਲੇਖਕ ਸੂਚੀ ਦੋਵਾਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਫੈਲਾਉਂਦੀ ਹੈ: ਯੂਸੀ ਬਰਕਲੇ ਦੇ ਹਿਊਨਿਨ ਲੀ, ਜਿਸ ਨੇ ਸਕਾਨਾ ਏਆਈ ਵਿਖੇ ਇੰਟਰਨਸ਼ਿਪ ਦੌਰਾਨ ਕੰਮ ਪੂਰਾ ਕੀਤਾ; ਸਕਾਨਾ ਖੋਜਕਾਰ ਜਿੰਗਲੂ ਜ਼ੂ, ਜੈਫਰੀ ਸੀਲੀ ਅਤੇ ਯੂਜਿਨ ਤਾਂਗ; ਅਤੇ UC ਬਰਕਲੇ ਦੇ ਡੋਂਘਿਊਨ ਲੀ, ਸੋਮਯੇਹ ਸੋਜੂਦੀ ਅਤੇ ਮਾਤੇਈ ਜ਼ਹਰੀਆ। For more context on this story, see our ongoing more AI stories.

ਕੰਮ ਨੇ ਹਫਤੇ ਦੇ ਅੰਤ ਵਿੱਚ ਡਿਵੈਲਪਰ ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਤੁਰੰਤ ਧਿਆਨ ਖਿੱਚਿਆ, ਜਿੱਥੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਇੱਕ ਹੈਕਰ ਨਿਊਜ਼ ਚਰਚਾ ਨੇ ਘੰਟਿਆਂ ਵਿੱਚ 100 ਪੁਆਇੰਟ ਪਾਸ ਕੀਤੇ।

ਜਦੋਂ ਮਾਡਲ ਸਿਰਫ਼ ਸੁਪਰਵਾਈਜ਼ਰ ਉਪਲਬਧ ਹੁੰਦਾ ਹੈ

ਸਵੈ-ਸੁਧਾਰ ਕਰਨ ਵਾਲੀ AI ਵਿੱਚ ਸਭ ਤੋਂ ਤਾਜ਼ਾ ਤਰੱਕੀ ਪ੍ਰਮਾਣਿਤ ਇਨਾਮਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ: ਗਣਿਤ ਦੇ ਜਵਾਬ ਜਿਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਕੋਡ ਜੋ ਜਾਂ ਤਾਂ ਟੈਸਟ ਪਾਸ ਕਰਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਬਰਕਲੇ-ਸਕਾਨਾ ਟੀਮ ਇੱਕ ਵੱਖਰੇ ਅਧਾਰ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਖੋਜ ਦੀ ਸਰਹੱਦ 'ਤੇ, ਉਹ ਦਲੀਲ ਦਿੰਦੇ ਹਨ, ਅਕਸਰ ਹੱਥ ਵਿਚ ਕੋਈ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਨਹੀਂ ਹੁੰਦੀ। ਕਿਸੇ ਪ੍ਰਸਤਾਵਿਤ ਖੋਜ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਬਹੁਤ ਘੱਟ ਮੁਹਾਰਤ, ਮਹਿੰਗੇ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਜਾਂ ਪ੍ਰਯੋਗਾਂ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਪ੍ਰਸਤਾਵ ਨੂੰ ਤਿਆਰ ਕਰਨ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੈਂਦੇ ਹਨ।

ਨਤੀਜਾ ਇੱਕ ਵੱਡਾ ਪਾੜਾ ਹੈ: ਨਵਾਂ ਕੰਮ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਇਸਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ। ਜਦੋਂ ਕੋਈ ਮਜ਼ਬੂਤ ​​ਅਧਿਆਪਕ ਉਪਲਬਧ ਨਹੀਂ ਹੁੰਦਾ, ਤਾਂ ਲੇਖਕ ਲਿਖਦੇ ਹਨ, ਮਾਡਲ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ - ਜਿਸਨੂੰ ਉਹ "ਅਨੁਕੂਲਿਤ" ਕਹਿੰਦੇ ਹਨ - ਸਭ ਤੋਂ ਸਮਰੱਥ ਸੁਪਰਵਾਈਜ਼ਰ ਰਹਿ ਸਕਦਾ ਹੈ। ਇਹ ਉਸ ਚੀਜ਼ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਉਹ ਸਮਰੂਪ ਆਵਰਤੀ ਸਵੈ-ਸੁਧਾਰ ਕਹਿੰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਉਹੀ ਮਾਡਲ ਇਸਦੇ ਆਪਣੇ ਆਪਟੀਮਾਈਜ਼ਰ ਅਤੇ ਮੁਲਾਂਕਣ ਦਾ ਕੰਮ ਕਰਦਾ ਹੈ।

ਖੁੱਲਾ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਇੱਕ ਸਿਸਟਮ ਉਸ ਲੂਪ ਵਿੱਚ ਆਪਣੇ ਲਈ ਇੱਕ ਉਪਯੋਗੀ ਸਿਖਲਾਈ ਸਿਗਨਲ ਕਿਵੇਂ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਜਵਾਬ ਮਨੁੱਖੀ ਇਤਿਹਾਸ ਤੋਂ ਉਧਾਰ ਲੈਂਦਾ ਹੈ।

MASS ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

MASS, ਮਲਟੀ-ਏਜੰਟ ਸਵੈ-ਨਿਗਰਾਨੀ ਲਈ ਛੋਟਾ, ਇੱਕ ਸਾਂਝੇ ਮਾਡਲ ਨੂੰ ਤਿੰਨ-ਰੋਲ ਸਿਸਟਮ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਉਹੀ ਵਜ਼ਨ ਕਾਰਜ-ਹੱਲ ਕਰਨ ਵਾਲੇ ਏਜੰਟ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਕੋਡ, ਨਤੀਜਿਆਂ ਅਤੇ ਖੋਜ ਰਿਪੋਰਟ ਦਾ ਇੱਕ ਵਰਕਸਪੇਸ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਵਰਕਫਲੋ ਆਪਟੀਮਾਈਜ਼ਰ ਜੋ ਸੰਸ਼ੋਧਿਤ ਕਰਦਾ ਹੈ ਕਿ ਸਬ-ਏਜੈਂਟਸ ਦੀ ਟੀਮ ਕੰਮ ਨੂੰ ਕਿਵੇਂ ਵੰਡਦੀ ਹੈ; ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਨ ਵਾਲਾ ਜੋ ਦੋ ਵਰਕਸਪੇਸਾਂ ਅਤੇ ਜੱਜਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਜੋ ਕੰਮ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸੰਤੁਸ਼ਟ ਕਰਦੇ ਹਨ।

ਅੰਦਰੂਨੀ ਲੂਪ ਟੀਮ ਦੇ ਵਰਕਫਲੋਜ਼ 'ਤੇ ਖੋਜ ਕਰਦਾ ਹੈ - ਲਿਖਤੀ ਯੋਜਨਾਵਾਂ ਜੋ ਹਰੇਕ ਉਪ-ਏਜੰਟ ਦੀ ਭੂਮਿਕਾ, ਇਸ ਦੀਆਂ ਹਦਾਇਤਾਂ, "ਇਕਰਾਰਨਾਮੇ" ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਕਿਹੜੇ ਸਬੂਤ ਏਜੰਟਾਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਨੂੰ ਸੌਂਪਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਵਿਚਕਾਰ ਕਾਲਾਂ, ਜਾਂ ਹੌਪਸ, ਦਾ ਕ੍ਰਮ। ਇੱਕ ਚੈਂਪੀਅਨ ਵਰਕਫਲੋ ਨੂੰ ਦੁਹਰਾਓ ਵਿੱਚ ਬਰਕਰਾਰ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਬਦਲਣ ਲਈ ਹਰਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਵਿਕਸਤ ਵਿੱਤ ਵਰਕਫਲੋ, ਪੇਪਰ ਵਿੱਚ ਸੰਘਣਾ, ਕ੍ਰਮ ਡੇਟਾ ਦੀ ਤਿਆਰੀ, ਵਿਸ਼ੇਸ਼ਤਾ ਨਿਰਮਾਣ, ਮਾਡਲਿੰਗ ਅਤੇ ਆਡਿਟ ਤੋਂ ਪਹਿਲਾਂ ਬੈਕਟੈਸਟਿੰਗ, ਅਤੇ ਇਸਦਾ ਡੇਟਾ ਇਕਰਾਰਨਾਮਾ ਡੇਟਾ ਮਾਹਰ ਨੂੰ ਇਹ ਜਾਂਚ ਕਰਨ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਬੈਕਟੈਸਟ ਇਤਿਹਾਸਕ ਫੈਸਲਿਆਂ ਵਿੱਚ ਭਵਿੱਖ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਲੀਕ ਨਹੀਂ ਕਰ ਸਕਦਾ ਸੀ।

ਬਾਹਰੀ ਲੂਪ ਫਿਰ ਟੀਮ ਦੇ ਸਮੂਹਿਕ ਅਨੁਭਵ ਨੂੰ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਸਿਸਟਮ ਚੈਂਪੀਅਨ ਵਰਕਫਲੋ ਨੂੰ 18 ਵਾਰ ਚਲਾਉਂਦਾ ਹੈ, ਨਤੀਜੇ ਵਜੋਂ ਵਰਕਸਪੇਸ ਨੂੰ ਸਵੈ-ਰੈਂਕ ਕਰਦਾ ਹੈ, ਸਭ ਤੋਂ ਵਧੀਆ 16 ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਰੱਖਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ 'ਤੇ ਸਾਂਝੇ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਵਧੀਆ-ਟਿਊਨ ਕਰਦਾ ਹੈ — ਵਰਕਫਲੋ ਪ੍ਰੋਂਪਟ ਦੇ ਨਾਲ ਆਪਣੇ ਆਪ ਬਾਅਦ ਵਿੱਚ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਇਸਲਈ ਤਾਲਮੇਲ ਹੁਨਰ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਬਜਾਏ ਵਜ਼ਨ ਵਿੱਚ ਰੱਖੇ ਜਾਂਦੇ ਹਨ। ਅਪਡੇਟ ਕੀਤਾ ਮਾਡਲ ਫਿਰ ਸਾਰੀਆਂ ਤਿੰਨ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਮੁੜ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਦੁਹਰਾਉਂਦੀ ਹੈ।

ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਕਾਰਜਾਂ 'ਤੇ ਮਾਪਣਯੋਗ ਲਾਭ

ਟੀਮ ਨੇ qwen-code ਕੋਡਿੰਗ-ਏਜੰਟ ਵਾਤਾਵਰਨ ਵਿੱਚ Qwen3.6-27B ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ MASS ਦੇ ਦੋ ਪੂਰੇ ਦੌਰ ਚਲਾਏ। ਸਿਖਲਾਈ ਦਾ ਮੈਦਾਨ ਵਿੱਤ, ਰੋਬੋਟਿਕਸ ਅਤੇ ਫਾਰਮੇਸੀ ਵਿੱਚ ਫੈਲੇ 12 ਸਿੰਥੈਟਿਕ ਖੋਜ ਕਾਰਜਾਂ ਦਾ ਇੱਕ ਸੂਟ ਸੀ, ਹਰੇਕ ਲਈ ਕੋਡ, ਮਾਤਰਾਤਮਕ ਨਤੀਜੇ ਅਤੇ ਇੱਕ ਲਿਖਤੀ ਰਿਪੋਰਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਿਖਲਾਈ ਲਈ ਨੌਂ ਕਾਰਜ ਨਿਰਧਾਰਤ ਕੀਤੇ ਗਏ ਸਨ ਅਤੇ ਤਿੰਨ ਨੂੰ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਬਾਹਰ ਰੱਖਿਆ ਗਿਆ ਸੀ; ਪ੍ਰਯੋਗ ਤੋਂ ਪਹਿਲਾਂ GPT-5.5 ਦੁਆਰਾ ਕਾਰਜ ਵਰਣਨ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ।

ਤਿੰਨ ਹੋਲਡ-ਆਊਟ ਟੈਸਟ ਟਾਸਕਾਂ 'ਤੇ, ਇਸਦੇ ਬੇਸ ਸੰਸਕਰਣ ਦੇ ਵਿਰੁੱਧ ਮਾਡਲ ਦੀ ਬਾਹਰੀ ਤੌਰ 'ਤੇ ਨਿਰਣਾ ਕੀਤੀ ਜਿੱਤ ਦੀ ਦਰ ਇੱਕ ਦੌਰ ਤੋਂ ਬਾਅਦ 53.9% ਤੋਂ ਵੱਧ ਕੇ ਦੋ ਤੋਂ ਬਾਅਦ 69.9% ਹੋ ਗਈ। ਦੂਜੇ ਗੇੜ ਦੇ ਮਾਡਲ ਨੇ ਵੀ 60.8% ਤੁਲਨਾਵਾਂ ਵਿੱਚ ਪਹਿਲੇ ਗੇੜ ਦੇ ਮਾਡਲ ਨੂੰ ਹਰਾਇਆ। ਸਿਖਲਾਈ ਦੌਰਾਨ ਵਰਤੇ ਗਏ ਸਮਾਨ ਮਾਪਦੰਡ ਨਾਲ ਗਰੇਡਿੰਗ ਤੋਂ ਬਚਣ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ GPT-5.5 ਅਤੇ ਕਲਾਉਡ ਓਪਸ 4.8 ਨੇ ਮੁਕੰਮਲ ਕੀਤੇ ਕੰਮ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਸੀ, ਉਹਨਾਂ ਨਿਰਣੇ MASS ਤੋਂ ਹੀ ਰੋਕ ਦਿੱਤੇ ਗਏ ਸਨ।

ਕੁਆਲਿਟੀ ਦੇ ਨਾਲ-ਨਾਲ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ ਹੈ। ਦੋ ਗੇੜਾਂ ਤੋਂ ਬਾਅਦ, ਸਕੋਰ ਪ੍ਰਤੀ ਆਉਟਪੁੱਟ ਟੋਕਨ ਚਾਰ ਜਨਤਕ ਬੈਂਚਮਾਰਕਾਂ ਵਿੱਚ ਬੇਸ ਮਾਡਲ ਦੇ ਪੱਧਰ ਤੋਂ 1.2 ਤੋਂ 1.6 ਗੁਣਾ ਤੱਕ ਪਹੁੰਚ ਗਿਆ: MLR-ਬੈਂਚ, DSBench, ScienceAgentBench ਅਤੇ AstaBench।

ਇੱਕ ਸੁਰੱਖਿਆ ਸਵਾਲ, ਸਿਰਫ਼ ਇੱਕ ਸਮਰੱਥਾ ਡੈਮੋ ਨਹੀਂ

ਲੇਖਕ ਸਪੱਸ਼ਟ ਕਰਦੇ ਹਨ ਕਿ ਸੁਰੱਖਿਆ ਜਾਂਚ ਦੇ ਤੌਰ 'ਤੇ ਸੈੱਟਅੱਪ ਦੁੱਗਣਾ ਹੋ ਜਾਂਦਾ ਹੈ। ਜੇਕਰ ਸਵੈਚਲਿਤ ਖੋਜ ਪ੍ਰਣਾਲੀਆਂ ਆਪਣੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸੰਯੁਕਤ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਤਾਂ ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਜੋ ਭਗੌੜੇ ਸੁਧਾਰ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ ਜਲਦੀ ਸਮਝਣ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ - ਪੇਪਰ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਖੁਫੀਆ ਵਿਸਫੋਟ ਦੀ ਸੰਭਾਵਨਾ "ਇਨ੍ਹਾਂ ਸਥਿਤੀਆਂ ਦਾ ਛੇਤੀ ਅਧਿਐਨ ਕਰਨ ਦਾ ਹੋਰ ਕਾਰਨ ਦਿੰਦੀ ਹੈ," ਇਸਦੇ ਕੇਂਦਰੀ ਸਵਾਲ ਨੂੰ ਤਿਆਰ ਕਰਦੇ ਹੋਏ ਅਰਥਪੂਰਨ ਨਿਗਰਾਨੀ ਨੂੰ ਕਿਵੇਂ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਵੇ ਜਦੋਂ ਕੋਈ ਮਜ਼ਬੂਤ ​​ਸੁਪਰਵਾਈਜ਼ਰ ਉਪਲਬਧ ਨਾ ਹੋਵੇ।

ਪ੍ਰਕਾਸ਼ਨ ਉਸ ਸਹੀ ਜੋਖਮ 'ਤੇ ਤਿੱਖੀ ਬਹਿਸ ਦੇ ਵਿਚਕਾਰ ਉਤਰਦਾ ਹੈ। ਸਤੰਬਰ ਦੇ ਅਖੀਰ ਵਿੱਚ, ਜਿਓਫਰੀ ਹਿੰਟਨ, ਯੋਸ਼ੂਆ ਬੇਂਗਿਓ ਅਤੇ ਹੋਰ ਪ੍ਰਮੁੱਖ ਵਿਗਿਆਨੀਆਂ ਨੇ ਇੱਕ ਭਗੌੜੇ ਖੁਫੀਆ ਵਿਸਫੋਟ ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਇੱਕ ਜਨਤਕ ਚੇਤਾਵਨੀ ਜਾਰੀ ਕੀਤੀ, ਅਤੇ ਵਿਗਿਆਨਕ ਕੰਮ ਕਰਨ ਵਾਲੇ ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਖੋਜ ਪੂਰੇ ਖੇਤਰ ਵਿੱਚ ਤੇਜ਼ ਹੋ ਗਈ ਹੈ।

ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਲਈ ਸੀਮਾਵਾਂ

ਨਤੀਜੇ ਉਹਨਾਂ ਚੇਤਾਵਨੀਆਂ ਦੇ ਨਾਲ ਆਉਂਦੇ ਹਨ ਜੋ ਲੇਖਕ ਸਵੀਕਾਰ ਕਰਦੇ ਹਨ। ਸਿੰਥੈਟਿਕ ਸੂਟ ਛੋਟਾ ਹੈ, ਅਤੇ ਸਾਰੇ ਸਿਖਲਾਈ ਸਿਗਨਲ ਸਵੈ-ਉਤਪੰਨ ਹਨ, ਭਾਵ ਮਾਡਲ ਦੇ ਆਪਣੇ ਨਿਰਣੇ ਦੀ ਸ਼ੁੱਧਤਾ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਅਣਜਾਣ ਹੈ — ਬਾਹਰੀ ਜੱਜਾਂ ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਮਾਪ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਸਿਖਲਾਈ ਲਈ ਨਹੀਂ। ਵਰਕਫਲੋ ਖੋਜ ਕਿਸੇ ਵੀ ਵਰਕਫਲੋ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਸਿਖਲਾਈ ਕਾਰਜ ਨੂੰ ਬਾਹਰ ਰੱਖਿਆ ਗਿਆ ਸੀ ਜੋ ਇਸਦੇ ਸੰਦਰਭ ਨੂੰ ਹਰਾਉਂਦਾ ਹੈ, ਇੱਕ ਰੀਮਾਈਂਡਰ ਕਿ ਲੂਪ ਹਮੇਸ਼ਾ ਲਾਭ ਪੈਦਾ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਅਤੇ ਬਾਹਰੀ ਮੁਲਾਂਕਣ ਖੁਦ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜੋ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਲਈ ਅਪੂਰਣ ਪ੍ਰੌਕਸੀ ਹਨ।

ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ

Sakana AI ਲਈ, MASS ਖੋਜ ਦਾਅਵਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ AI-ਸੰਚਾਲਿਤ ਪ੍ਰਯੋਗ ਉਤਪੱਤੀ ਅਤੇ ਏਜੰਟ ਸਮੀਖਿਆ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਲੈਬ ਦੇ ਪੁਰਾਣੇ ਕੰਮ ਤੋਂ ਬਾਅਦ, ਵਿਗਿਆਨਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਇੱਕ ਖੋਜ ਏਜੰਡੇ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ। ਜੇ ਸਮੂਹਿਕ ਸਵੈ-ਨਿਗਰਾਨੀ ਵਿਅੰਜਨ ਸਿੰਥੈਟਿਕ ਕਾਰਜਾਂ ਤੋਂ ਪਰੇ ਤਬਦੀਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਜਿਸ ਰੁਕਾਵਟ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ - ਸਰਹੱਦ 'ਤੇ AI ਆਉਟਪੁੱਟ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ - ਸਿਰਫ ਸਵੈਚਾਲਤ ਖੋਜ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਗੁਣਾ ਹੋਣ ਦੇ ਨਾਲ ਹੀ ਵਧੇਰੇ ਦਬਾਅ ਵਧੇਗਾ।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →