Harness EngineeringからRSIへ AI自身がAIをつくり、改善していく──再帰的自己改善（RSI）はどのように実現するのでしょうか。この問いに対して、Thinking Machines Lab 共同創業者の Lilian Weng 氏（@lilianweng）が、モデルを取り巻く実行系＝「ハーネス」の設計こそが現実的な出発点だと論じる ブログ記事を公開しました。RSI周辺の研究が非常によく整理されており、この領域の見取り図として大変おすすめです。 lilianweng.github.io/posts/2… Sakana AIからも、以下の研究が事例として取り上げられています。 ・The AI Scientist (Nature 2026): 研究アイデアの提案から実験、論文執筆、査読までを自律的に行うパイプライン ・ShinkaEvolve: サンプル効率を大きく高める仕組みを導入した、LLMによるプログラム進化フレームワーク ・Darwin Gödel Machine: エージェント自身がハーネスコードを書き換え、自己改善していくコーディングエージェント Weng氏は、モデルの重みを直接書き換える形のRSIではなく、まずはハーネスの設計と最適化を突き詰めていくことが実現への近道だと見立てています。同時に、評価の困難さ、多様性の崩壊、報酬ハッキングなど、自己改善ループが構造的に抱える課題も指摘されています。 RSIへの道のりが果たしてこのように進んでいるのかは、まだ誰にもわかりません。Sakana AI のRSI Labも、このエキサイティングな領域の探究を、引き続き進めていきます。 References ・The AI Scientist (Nature 2026)： nature.com/articles/s41586-0… ・ShinkaEvolve： sakana.ai/shinka-evolve/ ・Darwin Gödel Machine： sakana.ai/dgm/

Introducing Reinforcement-Learned Teachers (RLTs): Transforming how we teach LLMs to reason with reinforcement learning (RL). Blog: sakana.ai/rlt Paper: arxiv.org/abs/2506.08388 Traditional RL focuses on “learning to solve” challenging problems with expensive LLMs and constitutes a key step in making student AI systems ultimately acquire reasoning capabilities via distillation and cold-starting. Enter our RLTs—a new class of models prompted with not only a problem’s question but also its solution, and directly trained to generate clear, step-by-step “explanations” to teach their students. Remarkably, an RLT with only 7B parameters produces superior results when distilling and cold-starting students in competitive and graduate-level reasoning tasks than orders-of-magnitude larger LLMs. RLTs are as effective even when distilling 32B students, much larger than the teacher itself—unlocking a new standard for efficiency in developing reasoning language models with RL. Code: github.com/SakanaAI/RLT