Sakana AI的递归自我改进（RSI）实验室

Sakana AI今天宣布正式成立递归自我改进（RSI）实验室，这是一个专门的研究小组，旨在利用人工智能重新设计人工智能开发过程本身。该实验室位于东京，将专注于构建开放、自适应且自我改进的架构，类似于生物进化不断基于过去的发现进行创新。

RSI实验室并非从零开始，而是建立在Sakana AI过去两年的突破性研究基础上。其研究组合包括LLM-Squared（与牛津和剑桥合作开发），该框架开创了AI驱动的自动化，让大语言模型发明更好的训练方法；达尔文·哥德尔机器（DGM），通过与不列颠哥伦比亚大学合作开发，实现了开放式的连续自我改进，使软件工程性能翻倍；ShinkaEvolve，一个开源框架，仅用150个样本就解决了复杂的优化问题；ALE-Agent，在AtCoder Heuristic Contest 058中击败了804名人类参与者，获得第一名；Digital Red Queen（与麻省理工学院合作），建立了开放式的对抗性协同进化；以及AI Scientist（2024-2026），一个能够完全自动化科学发现的系统，其研究成果最近发表在《自然》杂志上（2026年3月26日）。

Sakana AI的方法强调样本效率而非暴力计算。例如，ShinkaEvolve仅用150个样本就解决了传统搜索认为棘手的问题，而ALE-Agent通过从自身失败中提取结构化教训来超越人类专家，而不是消耗更多推理资源。这种理念将指导RSI实验室的追求：构建最样本高效的自改进引擎，使其进步能够在国家而非超大规模的计算预算上复合增长。

该实验室的愿景分为四个阶段：代理原生模型、AI科学家、递归自我改进和民主化AI。他们相信递归自我改进可以在适度的计算资源上实现，从而改变前沿AI的地理分布。国家、机构和领域无需在原始集群规模上竞争，就可以构建自己所需的AI系统。

RSI实验室的成立正值日本加速推进主权AI基础设施战略之际。实验室将利用日本的科学人才和工程文化，同时将计算约束转化为优势。实验室承诺公开研究，包括负面结果，并从一开始就设计可验证的安全措施。

Sakana AI正在招聘前沿研究科学家和高级核心工程师，以推动这一使命。