Sakana AIは、AIが自らモデル設計や改良を担う「再帰的自己改善（RSI）」技術を専門に研究する組織「Sakana AI RSI Lab」を東京本社内に始動した。同社は、計算資源をひたすら投入する巨大化アプローチとは異なり、制約下で効率的に自己改善を繰り返すシステムこそがAIの次なる段階であると主張している。

同社は過去2年間、エージェント用途に設計された「Agent Native Model」が研究を自動化する「AI Scientist」を生み、それがさらに優れたモデルを構築する循環を構築してきた。具体的な研究成果として、LLM自身が選好最適化アルゴリズムを発見した「LLM-Squared」、SWE-benchで性能を自動的に2倍以上に高め、絶対値で30ポイントの向上を達成した「The Darwin Gödel Machine」、わずか150回の試行で最適化問題を解いた「ShinkaEvolve」などが挙げられる。また、競技プログラミングで人間を上回った「ALE-Agent」や、脆弱性を突き合う共進化を再現した「Digital Red Queen」、AI研究プロセスを自動化した「The AI Scientist」など、アイデア重視の進歩を実証してきた。

RSI Labの最終目標は、計算資源の制約が厳しい環境でもフロンティアレベルの性能を実現し、AIの民主化を果たすことにある。このロードマップは「Agent Native Model」から始まり、「The AI Scientist」による知識拡大、AI自身がコードを書き換える「RSI」の実現、そして誰もが自分たちの課題に合わせてAIを作れる社会への移行を4段階で想定している。日本が推進するソブリンAI（自国で開発・運用するAI）戦略とも合致する方針である。

今後、RSI Labでは研究開発の過程で生じる予期せぬ進化や安全上の課題をエンジニアリングの問題として扱い、検証可能な安全策を組み込んだ設計を追求する。現在、トップレベルの研究実績を持つリサーチサイエンティストや、探索パイプラインを最適化するソフトウェアエンジニアの招聘を開始しており、計算知能の発展を工学的課題として解決するチーム体制を構築する方針である。

Sakana AIは、AIが自らモデル設計や改良を担う「再帰的自己改善（RSI）」技術を専門に研究する組織「Sakana AI RSI Lab」を東京本社内に始動した。同社は、計算資源をひたすら投入する巨大化アプローチとは異なり、制約下で効率的に自己改善を繰り返すシステムこそがAIの次なる段階であると主張している。

同社は過去2年間、エージェント用途に設計された「Agent Native Model」が研究を自動化する「AI Scientist」を生み、それがさらに優れたモデルを構築する循環を構築してきた。具体的な研究成果として、LLM自身が選好最適化アルゴリズムを発見した「LLM-Squared」、SWE-benchで性能を自動的に2倍以上に高め、絶対値で30ポイントの向上を達成した「The Darwin Gödel Machine」、わずか150回の試行で最適化問題を解いた「ShinkaEvolve」などが挙げられる。また、競技プログラミングで人間を上回った「ALE-Agent」や、脆弱性を突き合う共進化を再現した「Digital Red Queen」、AI研究プロセスを自動化した「The AI Scientist」など、アイデア重視の進歩を実証してきた。

RSI Labの最終目標は、計算資源の制約が厳しい環境でもフロンティアレベルの性能を実現し、AIの民主化を果たすことにある。このロードマップは「Agent Native Model」から始まり、「The AI Scientist」による知識拡大、AI自身がコードを書き換える「RSI」の実現、そして誰もが自分たちの課題に合わせてAIを作れる社会への移行を4段階で想定している。日本が推進するソブリンAI（自国で開発・運用するAI）戦略とも合致する方針である。

今後、RSI Labでは研究開発の過程で生じる予期せぬ進化や安全上の課題をエンジニアリングの問題として扱い、検証可能な安全策を組み込んだ設計を追求する。現在、トップレベルの研究実績を持つリサーチサイエンティストや、探索パイプラインを最適化するソフトウェアエンジニアの招聘を開始しており、計算知能の発展を工学的課題として解決するチーム体制を構築する方針である。