Sakana AI 的递归自我改进 (RSI) 实验室

一句话看懂：Sakana AI 近期推出的递归自我改进（Recursive Self-Improvement，RSI）实验室项目，意图让模型通过“自我研究”来实现能力自动提升。但这一概念在开发者社区引发了激烈争议——批评者认为其更像借热门概念炒作的“潮牌”行为，而非严谨的技术突破。

事件核心：发生了什么

日本 AI 研究机构 Sakana AI 宣布启动“RSI 实验室”，核心思路是利用当前大模型在 agent 任务上日益增强的能力，让模型自动生成改进自身的算法、架构或训练策略。这一想法并不新鲜：随着模型在编程、实验设计等任务上的表现提升，多个实验室（如 OpenAI 的自动化研究团队、Google DeepMind 的自我对弈研究）都在探索类似的“自动研究”路径。Sakana AI 的版本选择在 hackernews 上公开讨论，但创始人兼 CEO David Ha 及其团队因此前高调营销“具备涌现能力的微小模型”等概念，被部分开发者质疑是在追逐 X（前 Twitter）上的热点话题，而非扎实推进技术。

为什么重要

RSI 是 AI 领域一个长期存在的理论目标：如果模型能自主改进自身，可能触发“智能爆炸”式的快速进化。Sakana AI 此次将这一概念推向公开讨论，至少让更多人关注到该方向的关键挑战：如何防止模型在自我改进中产生灾难性错误，以及如何评估“自动研究”是否真的提升了真实性能。目前社区的主要批评集中于两点：一是 Sakana 过往的项目（如“Evolving AI”）常被指过度包装；二是 RSI 作为一个极其重要的课题，其执行方若缺乏足够的信誉，会损害公众对这一路线的信任。从行业竞争看，OpenAI、Google 等巨头在资源和技术积累上显然更有条件推进 RSI，Sakana 的选择更可能是一个试验性展示。

对用户/开发者/创作者的影响

对于普通用户和开发者，短期内无需关注 Sakana AI 的 RSI 实验室成果——目前公开信息显示该项目尚未发布任何可验证的模型或工具。但这一事件提供了两个有价值的观察窗口：第一，如果 RSI 真的落地，未来开发者可能不再需要手动调参或写训练脚本，模型会自己寻找更高效的推理策略；第二，它提醒内容创作者和投资者，在 AI 圈“概念先行”趋势下，需要区分真正的技术进展与营销话术——例如，是否有公开的可复现性数据、独立第三方的基准测试结果，比公司发布的演示视频更具说服力。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. 产品落地情况：Sakana AI 是否会在未来几周内开源其 RSI 框架，或提供可交互的 demo？如果没有，社区对其“空谈”的质疑将更难消除。
2. 竞品跟进：OpenAI 的“自动研究”团队或 Google DeepMind 的“自我对弈”项目是否会因此加速公开进度？行业巨头通常更倾向于在压力下披露早期成果。
3. 技术验证标准：第三方机构（如 MLCommons）是否可能定义一套针对“模型自我改进”的评估体系，以区分真正的自动研究能力与简单的超参数搜索或 prompt 优化？

来源：hackernews

Sakana AI 的递归自我改进 (RSI) 实验室