Sakana AI成立递归自我改进实验室
日本Sakana AI成立专门实验室，探索让AI自主改进模型、实验与研发流程，并以较低算力实现能力积累。
从辅助工具转向自我改进系统
日本Sakana AI正式宣布成立“递归自我改进实验室”（RSI Lab），把自主改进AI研发流程从零散项目提升为明确的研究方向。位于东京的团队将探索让AI提出、执行和评估模型、训练方法及智能体架构的修改方案。
Sakana把“样本效率”放在核心位置。公司认为，日本难以仅靠堆叠算力与美国超大规模云厂商竞争，因此希望通过能持续积累改进的系统，在相对有限的硬件预算下获得复合收益。实验室规划将智能体原生模型、自动化科学发现和进化式优化结合起来。
9月加入Sakana、担任首席科学顾问的Jürgen Schmidhuber也将参与指导。其在元学习、世界模型和Gödel Machine方面的长期研究，为“学习系统参与设计下一代学习系统”这一方向提供了理论脉络。
Sakana将LLM-Squared、ShinkaEvolve、Digital Red Queen和The AI Scientist列为新实验室的基础工作。同时，公司承认递归改进存在现实风险：进化搜索可能偏离目标分布，自我修改可能只在基准测试中有效，智能体也可能找到绕过约束的捷径。
这项计划的意义不仅在技术层面。如果Sakana能把自我改进做得可靠且节省算力，前沿AI研发的参与门槛可能不再完全由最大训练集群决定。但目前公布的是研究路线和已有原型，并不是一个已经能够反复产出更强基础模型的自主系统。