Sakana AI、RSIラボを設立：基盤モデルによる再帰的自己改善

Sakana AIは、AI自体を使ってAI開発プロセスを再設計するための専門研究グループである再帰的自己改善（RSI）ラボを正式に設立しました。巨大モデルを力づくで作るのではなく、オープンエンドで適応的なアーキテクチャを構築し、それらが集合的に自己改善することを目指しています。これは、これまでに発表された一連のマイルストーンに基づいています。

RSIを支える主要な研究成果

• LLM-Squared（2024年）：オックスフォード大学およびケンブリッジ大学と共同開発。このフレームワークにより、LLMは他のLLMを訓練するより良い方法（LLM²）を自ら発明できます。進化的ループを経て、LLMが完全に生成・記述した嗜好最適化アルゴリズムDiscoPOPを生み出しました。
• Darwin Gödel Machine（2025年）：UBCとの共同研究で、DGMは自律的に自身のコードベースを書き換えるエージェント変異体の進化系統を維持します。SWE-benchでは、ベースラインパフォーマンスを2倍以上（30パーセントポイントの絶対改善）向上させました。
• ShinkaEvolve（2025）：サンプル効率的なプログラム進化を示すオープンソースフレームワーク。わずか150サンプルで複雑な最適化問題を解決し、Mixture-of-Experts（MoE）モデルを改善する新しい負荷分散損失関数を生成しました。
• ALE-Agent（2025）：AtCoder Heuristic Contest 058で804人中1位を獲得した最適化エージェント。大規模な推論時スケーリングと試行錯誤の失敗からの自己学習を活用し、新しいアルゴリズムを自律的に導き出します。
• Digital Red Queen（2026年）：MITとの共同研究で、Core Warにおけるオープンエンドな敵対的共進化を確立。LLMが競合コードを作成し、創発的な複雑ソフトウェア戦略と収束進化を促進します。これはサイバーセキュリティRSIの基盤となります。
• The AI Scientist（2024～2026年）：アイデア生成、実験実行、論文執筆、査読までを完全自動化した、オープンエンドな科学的発見システム。

デベロッパーにとっての意義

RSIは、静的で人間主導の研究開発から、自律的な自己改善知能エンジンへの転換を意味します。研究室のアプローチ（進化的最適化ループ、自己書き換えエージェント、自動化科学）は、AIコーディングエージェントの構築と改善に直接影響します。手動チューニングを待つ代わりに、これらのシステムは自身のアーキテクチャを継続的に洗練します。