Sakana AI hat eine Methode namens MASS entwickelt, bei der ein einzelnes Sprachmodell gleichzeitig als Problemlöser, Bewerter und Optimierer agiert und sich selbst verbessert. Die Siegquote gegen das Basis-Modell steigt dabei auf knapp 70 Prozent – ein vielversprechendes Ergebnis. Doch die Forschung offenbart ein erhebliches Risiko: Wenn das Modell in all seinen drei Rollen denselben Fehler übersieht, wird dieser als Verbesserung ins nächste Training übernommen. Das Problem verdeutlicht die Grenzen von autonomer KI-Optimierung ohne externe Kontrolle.
