Sakana AI成立RSI实验室探索自我改进AI
The Decoder··作者 Tomislav Bezmalinović
关键信息
Sakana表示，这项工作建立在 LLM-Squared、Darwin Gödel Machine、ShinkaEvolve、ALE-Agent 和 The AI Scientist 等项目之上。公司将通往 RSI 的路径分为四个阶段，最终目标是让智能体能够为自身底层架构编写、基准测试并验证代码。
资讯摘要
Sakana AI成立了“ Sakana AI RSI Lab ”，这是一个专注于递归自我改进（RSI）的新研究团队。该实验室将研究AI系统是否能够比当前依赖大规模算力扩展的方法，更快地帮助设计、优化和改进未来的AI系统。 如果这一方向成功，RSI 可能提供一种不完全依赖更大GPU集群来提升AI能力的路径，从而改变前沿模型的研发方式。
这可能让先进AI研究更高效，也更有可能被大型实验室之外的团队接触到。 Sakana表示，这项工作建立在 LLM-Squared、Darwin Gödel Machine、ShinkaEvolve、ALE-Agent 和 The AI Scientist 等项目之上。公司将通往 RSI 的路径分为四个阶段，最终目标是让智能体能够为自身底层架构编写、基准测试并验证代码。
资讯正文
Sakana AI 押注：能够自我改进的 AI 可以打破前沿实验室的算力军备竞赛
要点
- 日本初创公司 Sakana AI 已成立“Sakana AI RSI Lab”，这是一个专注于递归自我改进（recursive self-improvement，RSI）的研究团队。其目标是探索 AI 如何加速并提升新 AI 系统的开发。
- 公司并不选择通过海量算力训练越来越大的模型，而是专注于进化式优化。Sakana 认为，这是一条通往更高效率、也更广泛可及的 AI 之路。
- 在一份四阶段路线图中，Sakana 描述了一条通向这样的 AI 代理的路径：它们能够处理自身的技术基础，并为其底层架构编写代码。
Sakana AI 已成立一个专注于递归自我改进（RSI）的研究实验室，这一概念认为 AI 系统可以反复重新设计并改进自身，从而形成一个不断累积的进步循环。这家初创公司认为，RSI 可能是一条超越算力军备竞赛的潜在路径。
日本 AI 初创公司 Sakana AI 新成立了一个研究团队，探索 AI 如何加速并提升新 AI 系统的开发。Sakana AI RSI Lab 建立在公司早期工作的基础之上。自 2023 年成立以来，Sakana 一直专注于进化式、自适应 AI 系统，并且在最近更加聚焦于递归自我改进的实际步骤。
在其公告中，Sakana 提到了过去两年中的几项研究里程碑。其中包括 LLM-Squared，在该项目中，语言模型为其他语言模型设计更好的训练方法；以及 Darwin Gödel Machine，它会生成、测试并迭代自身代码库的不同变体。
通过 ShinkaEvolve 和 ALE-Agent，Sakana 还强调了其在进化式程序优化以及从试错循环中推导新策略的代理方面的工作。另一个关键项目是 The AI Scientist，这是一个用于自动化科学研究部分流程的系统。据 Sakana 介绍，其后续版本撰写了一篇通过同行评审的论文。相关基础研究已于 2026 年 3 月发表在《Nature》上。
综合来看，Sakana AI 将这些项目视为证据，表明递归自我改进不再只是理论设想，而是已经在受控研究环境中接受测试。
RSI 之路的四个阶段
在其博客文章中，Sakana 概述了从传统、由人主导的 AI 优化，向自我改进系统转变的四阶段路径。
这一路线图部分建立在 Sakana 自身的研究之上。它从这样一种模型开始：模型从一开始就不是为聊天机器人而设计，而是为开放式的代理任务而构建。借助 The AI Scientist，Sakana 已经推出了一个将代理能力应用于自动化研究的系统，涵盖从创意生成、实验到撰写科学论文的整个过程。
下一步是递归自我改进本身：AI 代理主动处理自身的技术基础，为其底层架构编写、基准测试并验证代码。
第四阶段和长期目标是让前沿人工智能获得更广泛的访问权限。Sakana 将 RSI 定位为对主导性扩展范式的反制：不是用越来越多的算力去训练规模越来越大的单体模型，而是押注于自适应系统和进化优化，让 AI 尽可能在更少的尝试中找到更好的解决方案。
这一想法是，递归自我改进可以在中等算力下运行，并且对当今大型美国 AI 实验室和云服务提供商所依赖的超大规模 GPU 集群的依赖更低。这是一条合理的研究方向，但仍然是一项战略押注。目前还没有证据表明，自我改进系统真的能够抵消大规模数据中心的结构性优势。
Anthropic 警告 RSI 风险
RSI 实验室的推出让 Anthropic 最近指出的一个潜在安全问题受到更多关注。Sakana 更强调其积极面，将 RSI 描绘为通向更高效、也更广泛可及的前沿 AI 的路径。
Anthropic 也认同这一看法，但同样警告其中的风险：完全的递归自我改进尚未实现，但一旦实现，AI 系统可能会比机构能够跟上的速度更快地推动自身发展。针对这种情景，Anthropic 提出了一个值得考虑的想法：在全球范围内暂停前沿 AI 研发。
Sakana AI 是美国以外较为引人注目的 AI 初创公司之一。该公司由前谷歌研究员创立，其中包括 Llion Jones——Transformer 论文《Attention Is All You Need》的作者之一——以及 David Ha，他此前曾在 Google Brain 和 Stability AI 工作。
与许多前沿 AI 实验室不同，Sakana 较少专注于扩大单个大模型的规模，而更关注进化式、自适应和多组件 AI 系统。"Sakana" 在日语中意为“鱼”，寓意群体行为、进化和集体智能。这也是这家初创公司的与众不同之处：Sakana 将在 Transformer 研究方面的深厚积累，与一个明确寻求主导性扩展范式替代方案的计划结合起来。
来源与参考
收录于 2026-06-07