Sakana AI의 MASS는 같은 27B 모델이 실행, 워크플로 최적화, 평가를 맡고 안쪽에서는 작업 흐름을, 바깥쪽에서는 LoRA 가중치를 개선하는 구조다. 두 차례 반복 후 별도 평가 과제에서 69.9% 승률과 연구 벤치마크의 출력 토큰당 효율 개선을 보고했다. 공식 설명은 평가기의 맹점도 지적하며 Terminal-Bench와 SWE 계열에서는 일관된 전이가 없었다. 제한된 실험의 개선을 무한한 자율 자기발전으로 볼 수는 없다.