先了解这件事
事件摘要
还没有公开综述，先看下面的报道时间线。
最新进展 · 正式报道
Sakana AI 成立递归自我改进（RSI）实验室事件进展
1 个已确认进展
- 来源：Sakana AI：Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
Sakana AI：Blog一手
Sakana AI 成立递归自我改进（RSI）实验室
Sakana AI 宣布在东京总部正式成立递归自我改进（RSI）实验室，用 AI 重新设计 AI 研发流程，并称自己是较早用现代基础模型研究 RSI 的实验室之一。实验室将延续 LLM-Squared、Darwin Gödel Machine、ShinkaEvolve、ALE-Agent、Digital Red Queen 和 The AI Scientist 等既有工作，其中 DGM 在 SWE-bench 上实现 30 个百分点的绝对提升，ShinkaEvolve 仅用 150 个样本解决复杂优化问题。Jürgen Schmidhuber 已于 2026 年 9 月加入 Sakana AI 担任首席科学顾问，指导该实验室研究方向；实验室同时开放前沿研究科学家与核心工程师岗位。
The Decoder
Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，模型可自我评判但存在共享盲点
Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS）递归自改进方法，让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，无需更强的教师模型。测试任务上对基座模型的胜率从一轮后的 53.9% 升至两轮后的 69.9%，自评估器与外部评判的一致率从 73% 升至 93%。研究同时指出共享盲点可能成为递归自改进的隐患，模型若在三种角色中漏掉同一错误，该错误可能被当作改进固化进下一轮训练，作者因此呼吁引入独立检查与自主性限制。基座模型为 Qwen3.6-27B，代码已公开。