แท็ก

#UC Berkeley

2 บทความ

Sakana AI เปิดตัว MASS: ให้โมเดลเดียวเป็นทั้งทีมงาน ผู้ออกแบบ workflow และกรรมการ แล้วเรียนจากผลงานของทีมตัวเอง — Qwen3.6-27B ชนะตัวเองรุ่นตั้งต้น 69.9% หลังสองรอบ
งานวิจัย

Sakana AI เปิดตัว MASS: ให้โมเดลเดียวเป็นทั้งทีมงาน ผู้ออกแบบ workflow และกรรมการ แล้วเรียนจากผลงานของทีมตัวเอง — Qwen3.6-27B ชนะตัวเองรุ่นตั้งต้น 69.9% หลังสองรอบ

Sakana AI ร่วมกับ UC Berkeley เผยแพร่ MASS วงจรพัฒนาตัวเองที่ใช้โมเดลเดียวเป็นทั้งผู้ทำงาน ผู้ปรับ workflow ของทีม subagent และผู้ตัดสิน แล้วนำผลงานที่ตัวเองเลือกว่าดีที่สุดมา fine-tune กลับเข้าโมเดล หลังสองรอบ Qwen3.6-27B ชนะรุ่นตั้งต้น 69.9% บนงานที่กันไว้ทดสอบ แต่คะแนน SWE-bench Verified และ Terminal-Bench 2.0 ลดลงเล็กน้อย และโค้ดยังไม่มีไลเซนส์โอเพนซอร์ส

· อ่าน 6 นาที
HarnessTax จาก Berkeley วัด 21 คู่ model–harness แล้วพบว่า harness แทบไม่ขยับความสำเร็จ แต่ขยับค่าใช้จ่ายได้ถึง 5 เท่า — และโมเดล Claude อาจไม่ต้องใช้ Claude Code
เครื่องมือนักพัฒนา

HarnessTax จาก Berkeley วัด 21 คู่ model–harness แล้วพบว่า harness แทบไม่ขยับความสำเร็จ แต่ขยับค่าใช้จ่ายได้ถึง 5 เท่า — และโมเดล Claude อาจไม่ต้องใช้ Claude Code

16 ก.ย. ทีมจาก UC Berkeley Sky Lab (รวม Ion Stoica และ Matei Zaharia) เผยแพร่ HarnessTax วัด 21 คู่ระหว่าง 7 โมเดลกับ 3 harness — Claude Code, Codex CLI และ Pi — บน SWE-bench Lite และ Terminal-Bench 2.0 ผลคือ harness แทบไม่เปลี่ยนอัตราสำเร็จ (±2% และ ±5%) แต่เปลี่ยนค่าใช้จ่ายได้ถึง 5 เท่า และใน 9 จาก 12 การเปรียบเทียบ โมเดลทำคะแนนสูงสุดบน harness ที่ไม่ใช่ของผู้ผลิตตัวเอง

· อ่าน 8 นาที