hardmaru#18
AIを作るAIを作る：RSI Lab始動
https://sakana.ai/rsi-lab-jp/
Sakana AIは、再帰的自己改善(Recursive Self-Improvement、RSI)に取り組む専任の研究グループ「RSI Lab」を、東京で立ち上げます。RSIは、AIがAIそのものを作る仕組みです。
この2年間、私たちはLLM-Squared、Darwin Gödel Machine、Shinka Evolve、ALE-Agent、Digital Red Queen、そしてThe AI Scientistといった研究を積み重ねてきました。いずれも、エージェント用途のために設計されたモデルが研究を自動で行うAIを生み、そのAIがさらに優れたモデルを生み出していく、というひとつの循環に向けた歩みです。
自己改善型AIという発想は、いまや私たちだけのものではありません。2026年に入ってRSIは大きな潮流となり、この考え方を掲げる組織が世界各地で相次いで立ち上がっています。そのなかでSakana AIは、創業以来、計算資源の量に頼らずにAIを開発する独自の方法を切り拓いてきました。
私たちがめざすのは、計算資源を際限なく注ぎ込むことなくRSIを実現することです。計算規模で世界最上位の国と張り合うのが難しい日本だからこそ、取り組む意味のある研究だと考えています。RSIの研究を責任あるかたちで進めるため、これまでの経験も活かしながら、コミュニティの皆様と知見を共有しつつ取り組んでいきます。
国内外から研究者・エンジニアを集め、Sakana AI RSI Labを組成していきます。この取り組みに、さまざまなかたちで関わってくださる皆様と協働できることを楽しみにしています。
Building AI that Builds AI: Introducing the Sakana AI RSI Lab 🚀
https://sakana.ai/rsi-lab
Today, we are announcing the Sakana AI Recursive Self-Improvement (RSI) Lab: a dedicated research group in Tokyo tasked with redesigning the AI development process itself using AI.
While the industry increasingly speculates about the theoretical potential of self-improving AI, we’ve spent the last two years actively laying the foundations to make it a reality:
▪ LLM²: AI models automating research to invent better preference optimization algorithms. ▪ Darwin Gödel Machine: Agents autonomously rewriting their own codebase to double software-engineering performance. ▪ ShinkaEvolve: Hyper-sample-efficient program evolution that builds novel loss functions for MoE models. ▪ ALE-Agent: Reinforcement agents outperforming hundreds of human experts via self-learning. ▪ Digital Red Queen: Open-ended adversarial coevolution laying the groundwork for RSI in cybersecurity. ▪ The AI Scientist: Towards end-to-end automation of AI research, recently published in Nature.
Now, we are unifying these breakthroughs. The Sakana AI RSI Lab is officially tasked with building open-ended, adaptive architectures that collectively self-improve.
Human intelligence did not emerge from limitless resources; it was forged through the open-ended, compounding process of evolution operating under strict constraints. We are applying this exact principle to AI.
We believe recursive self-improvement is achievable on modest, sample-efficient compute. It shouldn’t be a winner-take-all asset locked inside hyperscale clusters, but a democratized public good.
We’re scaling our team to execute this mission. We are looking for frontier scientists and engineers who are entirely unsatisfied with the brute-force status quo. If you are ready to break away from standard benchmarking and build the self-improving future in Japan, come build with us.
