先了解这件事
Sakana AI宣布在东京成立专职研究递归自我改进(RSI)的Sakana AI RSI Lab,并邀请Jürgen Schmidhuber于2026年9月以首席科学顾问身份加入指导研究。该实验室建立在过去两年成果之上,包括LLM-Squared、Darwin Gödel Machine、ShinkaEvolve、ALE-Agent、Digital Red Queen与AI Scientist,其中DGM在SWE-bench上把起点性能自动提升一倍以上、绝对提升30分,AI Scientist相关论文于2026年3月26日登上Nature。Sakana AI表示将公开包括失败结果在内的研究,并同步招聘研究科学家与软件工程师。此后,Sakana AI与UC Berkeley研究者提出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
AI 根据公开报道生成
事件进展
2 个已确认进展
- 来源：Sakana AI：Blog
- 来源：The Decoder
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 启动 RSI Lab，Jürgen Schmidhuber 任首席科学顾问
Sakana AI 宣布在东京成立专职研究递归自我改进（RSI）的 Sakana AI RSI Lab，并邀请 Jürgen Schmidhuber 于 2026 年 9 月以首席科学顾问身份加入指导研究。该实验室建立在过去两年成果之上，包括 LLM-Squared、Darwin Gödel Machine、ShinkaEvolve、ALE-Agent、Digital Red Queen 与 AI Scientist，其中 DGM 在 SWE-bench 上把起点性能自动提升一倍以上、绝对提升 30 分，AI Scientist 相关论文于 2026 年 3 月 26 日登上 Nature。Sakana AI 表示将公开包括失败结果在内的研究，并同步招聘研究科学家与软件工程师。
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。