Sakana AI lance le laboratoire RSI : amélioration récursive de soi avec des modèles fondamentaux

Sakana AI a officiellement établi son laboratoire d'auto-amélioration récursive (RSI Lab), un groupe de recherche dédié chargé de repenser le processus même de développement de l'IA en utilisant l'IA. Plutôt que de forcer des modèles monolithiques, le laboratoire construit des architectures ouvertes et adaptatives qui s'améliorent collectivement – en s'appuyant sur une lignée de jalons publiés.

Principaux jalons de recherche soutenant le RSI

• LLM-Squared (2024) : Développé avec Oxford et Cambridge, ce cadre permet aux LLMs d'inventer de meilleures façons d'entraîner les LLMs (LLM²). Il a produit DiscoPOP, un algorithme d'optimisation des préférences découvert et écrit entièrement par un LLM à travers une boucle évolutive générationnelle.
• Darwin Gödel Machine (2025) : En collaboration avec UBC, DGM maintient une lignée évolutive de variantes d'agents qui réécrivent de manière autonome leur propre code. Sur SWE-bench, il a plus que doublé les performances de base – une amélioration absolue de 30 points de pourcentage.
• ShinkaEvolve (2025) : Cadre open-source démontrant une évolution de programme efficace en échantillons. A résolu des problèmes d'optimisation complexes en utilisant seulement 150 échantillons et a généré une nouvelle fonction de perte d'équilibrage de charge améliorant les modèles Mixture-of-Experts (MoE).
• ALE-Agent (2025) : Agent d'optimisation qui a obtenu la 1ère place sur 804 participants humains au concours heuristique AtCoder 058. Il exploite le passage à l'échelle massif lors de l'inférence et l'auto-apprentissage par essais-erreurs pour dériver de manière autonome de nouveaux algorithmes.
• Digital Red Queen (2026) : Collaboration avec le MIT établissant une coévolution antagoniste ouverte dans Core War. Les LLMs écrivent des codes concurrents, générant des stratégies logicielles complexes émergentes et une évolution convergente – fondamental pour le RSI en cybersécurité.
• The AI Scientist (2024–2026) : Découverte scientifique entièrement automatisée et ouverte, de la génération d'idées à l'exécution d'expériences, en passant par la rédaction complète d'articles et l'évaluation par les pairs.

Pourquoi cela est important pour les développeurs

Le RSI représente un passage d'une R&D statique menée par l'homme à des moteurs d'intelligence autonomes et auto-améliorants. L'approche du laboratoire – boucles d'optimisation évolutive, agents auto-réécrivants et science automatisée – a un impact direct sur la construction et l'amélioration des agents de codage IA. Plutôt que d'attendre un réglage manuel, ces systèmes affinent continuellement leurs propres architectures.