Sakana AI

【採用情報】GTMチームで新たに3つのポジションをオープンしました🐟 Partner Alliances Manager ISV：t.co/5Eg2z3iWcs Partner Alliances Manager SI：t.co/Qr4UsKKN41 Customer Success Manager：t.co/DpZKWroJYK ・ISV：パートナー製品とのAPI連携、共同販売、マーケット プレイス展開 ・SI：SIer、コンサルティングファームとの協業体制づくり、パートナーのイネーブルメント・認定、共同ソリューション開発 ・CS：成果に基づくサクセスプランの合意、活用定着の推進、営業と連携した更新／拡大の管理 いずれもチーム初の専任メンバーとして、仕組みをゼロから作るポジションです。日本発のAIプロダクトを世界のお客さまに届ける仕組みづくりに関心をお持ちの方、ぜひご応募ください🚀

AIサイエンティストの第3フェーズ：人間と共同発見する「The Agentic Scientist」 ブログ（英語）：t.co/7aVDvZd6m2 GitHub：t.co/JCCBMvu2P1 論文：t.co/4bV76tAByj Sakana AIは2024年から、その時点での生成AIの能力を測る試みとして、AIだけでどこまで研究を進められるか を探求してきました。The AI Scientist（2024年8月）、v2（2025年3月）、そしてNature掲載（2026年3月）と、成果を報告してきました。今回、第3フェーズとなる「The Agentic Scientist」を公開しました。 近年、CodexやClaude Codeなどのコーディングエージェントは、長時間の開発作業を自力でこなせるようになりました。一方で、研究に必要な手順を踏まずにエージェントに任せると、スコアを少しずつ上げるだけの探索になりやすく、なぜ改善したのかが説明されないまま終わりがちです。 The Agentic Scientistは、既製のコーディングエージェントを複数組み合わせ、課題設定・仮説探索・実験・検証・論文執筆までを進めるための足場（scaffold）です。結果が満たすべき条件を実験前に定め、論文中の主張を一つずつ実験データに対応づけることで、人間がどこを確かめればよいかを明確にします。 当社の研究者がこのシステムを使って行った誤差拡散学習法（ED法）の研究は、国際会議 ALIFE 2026 の口頭発表に採択されました。この研究では、The Agentic Scientistが仮説の提案・実験・論文の取りまとめを担い、人間の研究者が問いと検証の条件を決め、途中の方向づけを行い、結果を確認し、著者として責任を負いました。そのほか、Doc-to-LoRAなど既存研究を発展させる形でも成果が得られています。 私たちは、高度なエージェントを駆使しながら人間とともに発見を目指すCo-Discovery（共同発見）を、これからの科学研究のあり方の一つとして提案します。

The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: t.co/7aVDvZd6m2 GitHub: t.co/JCCBMvu2P1 arXiv: t.co/4bV76tAByj Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable t.co/SHX9lrOr74 file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.

GIF

Sakana Chatに新機能を追加。会話で育ったメモリーが、見えるようになりました。 t.co/Qg6OOiVK7T 新機能「My Fish」で、覚えていることを一覧に。履歴をタイムラインに。メモリー同士のつながりをマップに。Sakana Chatがあなたについて学んだことを、見てみてください。 Try Chat: t.co/stLdPSzzNF 🐟

GIF

Introducing “My Fish” in Sakana Chat. English Blog: sakana.ai/my-fish/#Engli… All your memories in one place, your history on a timeline, and the connections between them mapped out. See what Sakana Chat has learned about you: chat.sakana.ai 🐟

Sakana Chatに新機能を追加。会話で育ったメモリーが、見えるようになりました。 t.co/Qg6OOiVK7T 新機能「My Fish」で、覚えていることを一覧に。履歴をタイムラインに。メモリー同士のつながりをマップに。 Sakana Chatがあなたについて学んだことを、見てみてください。 Try Chat: t.co/stLdPSzzNF 🐟

GIF

Sakana AI防衛・インテリジェンス部門の国際政治アナリスト、石井順也が PIVOT に出演しました。 米中首脳会談ではどのような会話がされたのか。そして、AI開発競争はこれからどうなるのかまで、お話ししました。 ぜひご覧ください。

【米中AI競争の行方】 YouTube： youtu.be/-7wdCVCbH7w 🐙

【米中AI競争の行方】 YouTube： youtu.be/-7wdCVCbH7w 🐙

Introducing Multi-Agent Self-Supervision (MASS): Recursive self-improvement through collective intelligence Blog: t.co/LkQe5k7jOW As AI systems tackle increasingly open-ended research problems, human experts may struggle to assess results and guide further progress. The model itself may be the best available optimizer and evaluator. The challenge is obtaining useful self-supervision within that homogeneous loop, where a model risks reinforcing its own blind spots rather than correcting them. We ask whether a model can learn from the collective intelligence of its own team. We introduce Multi-Agent Self-Supervision (MASS). One shared model solves tasks through a team of virtual subagents, searches for better multi-agent workflows, then uses its own judgments to select the best ones. Training on the best team’s executions provides self-supervision by distilling the team’s collective experience into the shared model. We ran two cycles using a 27B open-weights model on synthetic open-ended research tasks. After the second cycle, score per output token reached 1.2-1.6x the base model's level across four research benchmarks. Three key results: First, MASS enables role generalization within an RSI loop: training only on task-solving data from the optimizee naturally improves the capabilities of both the optimizer and the evaluator. Second, multi-agent trajectories are more efficient training data than single-agent trajectories for RSI. Third, optimizer capacity, rather than evaluator capacity, can be the bottleneck in the speed of improvement. We believe the community needs to investigate homogeneous RSI carefully to support AI safety. When a model is also its own evaluator, shared blind spots could allow mistakes to be accepted as progress and reinforced through training. For AI to improve beyond human expertise safely, we need to understand these failures and preserve effective ways to detect them and intervene. Paper: t.co/SzXDlAzrUO Code: t.co/xc870ZHRgh This work was a collaboration with researchers at UC Berkeley.

GIF

Recursive Self-Improvement through Multi-Agent Self-Supervision arxiv.org/abs/2610.12176 In collaboration with UC Berkeley (Somayeh Sojoudi, Matei Zaharia, and Donghyun Lee).

“The field of artificial life is a very long-term bet on intelligence.” 🐙 Our former intern Akarsh Kumar recently joined @MLStreetTalk to discuss the intersection of evolution and automated search for artificial life. He dives into our Digital Red Queen research, exploring open-ended evolutionary arms races in Core War using LLMs. This perspective on intelligence through artificial life is central to how we think about the future of agentic AI.

Beyond Imitation: A Framework and Benchmark for LLM-Assisted Peer Review Peer review needs support, not substitutes. Accepted at TMLR: our new paper on using AI to help reviewers catch errors in research papers. t.co/KqDLUPkwib As research submissions grow, so does the workload for the experts who evaluate them. AI review systems are emerging as a potential solution, but much of their development and evaluation focuses on how closely they imitate human reviews. In our work “Beyond Imitation: A Framework and Benchmark for LLM Assisted Peer Review”, we explore how AI can support the review process without losing the human touch. We focus on one demanding but essential task: catching errors in research papers. We build an automated pipeline that deliberately introduces contradictions into papers by adding statements that conflict with information elsewhere in the manuscript. These planted errors give us clear targets for testing whether AI reviewers can spot and explain what is wrong. Not all errors carry the same weight. Some undermine a paper’s central findings; others affect smaller details. We map the connections between each paper’s claims, methods, and evidence in a knowledge graph to estimate the severity of each contradiction and better assess what different systems can catch. We also introduce Multi-Layered Review, an AI review system inspired by the Three-Pass Approach to reading research papers. It first outlines the main ideas, then examines the details and potential weaknesses, and finally brings its observations together into a review. The idea is simple: understand the paper before judging it. In our evaluations, the system detected more errors than the other review systems we tested, including on papers withdrawn because of real mistakes. Its feedback emphasized different aspects of the work from human reviews, offering a complementary perspective, while its assessments of paper quality remained broadly consistent with human judgments. Our goal is to give reviewers useful support in checking research, with human expertise and judgment at the center. Open Review: t.co/ZaFdyOfEwZ

GIF

アイリス株式会社（ @ShoOkiyama ）の医師向けエビデンス検索ツール「Evidence Finder」に、Sakana AIの技術が採用されました。 医師の質問に対し、文献を検索して引用元を明示しながら回答。文献の比較・統合と回答生成の部分を担います。 詳細はこちら sakana.ai/namazu-aillis/ 🐟

【採用情報】Sakana AIで「Corporate Development Team Assistant」を募集🐟 JD: t.co/PFGZt2zyCm Sakana AIの経営企画チームの一員として、海外出張のロジスティクス、投資家・パートナー企業とのミーティング調整、契約事務などを通じて、チームが本来の業務に集中できる環境づくりを担っていただきます。 👉 このようなご経験をお持ちの方を募集 ・秘書、チームアシスタント、営業事務、総務等での1年以上の実務経験 ・海外とのやり取りに対応できる基礎レベルの英語力 ・資金調達・M&A等の未公表情報を扱える高い守秘意識 M&A・資金調達・戦略的パートナーシップの最前線を、オペレーションの面から支えたい方、ぜひご応募ください🚀

ニュースレター「Sakana AI Insider」、登録受付中です🐟 詳細：t.co/Vsh6JTEVS6 ・プロダクトのリリース情報 ・研究開発のアップデート ・Swagプレゼントやイベントの優先案内 先日公開し、多数ご応募いただいたイベントでは購読者の皆様への先行受付を実施しました！ 登録はこちら 👇 t.co/DLKv12x4RW 🐟

Sakana AI Insider登録フォーム ▼ forms.gle/z98Lydq95v5Vi8… 🐟

【採用情報】Sakana AIで「Public Sector Associate」を募集🐟 t.co/r4FENm17AQ Sakana AIが受託・採択する公的資金事業が、各機関の規程と期日を守って滞りなく執行されるための実務を担っていただきます。 👉 このようなご経験をお持ちの方を募集 ・官公庁での予算執行・経費審査・調達・経理の実務経験 ・公的研究開発事業を多数抱える機関での検査対応等の事務局業務経験 ・補助金/委託費の経費区分・証憑管理の実務経験 ・官公庁での予算執行・経費審査・調達・ 経理の実務経験最前線を、事業執行の面から支えたい方、ぜひご応募ください🚀

【採用情報】Sakana AIで「Public Sector Specialist」を募集🐟 t.co/f2bGeQ6fno Sakana AIの最先端技術を官公庁の予算要求や政策立案に接続するドキュメンテーション戦略を担い、公募案件の探索・提案から採択獲得までを推進していただきます。 このようなご経験をお持ちの方を募集 ・ 政府機関での予算要求・政策立案のためのドキュメンテーション経験 ・ 民間企業で、政府機関が公募する研究開発・調査等の事業に提案書を作成し、採択された経験 ・ 生成AI分野の最新動向への継続的な関心と理解 国内外の政府機関に最先端のAI技術を届けたい方、ぜひご応募ください🚀

10月5日、京都で開催中のSTS forum第23回年次総会にて社長の伊藤が「Koji Omi Memorial Plenary Session: Lights and Shadows of AI」に登壇しました。 伊藤からは、AI実装における競争優位の源泉が単一モデルの性能からシステム全体の編成力へ移りつつあること、そしてフロンティアAIへの継続的な アクセスが戦略的課題となる中、複数モデルを使い分ける体制とAIを自ら評価する独立した能力こそが新しいAI主権の鍵であることをお話ししました。ともにご登壇いただいた皆様に感謝申し上げます。

【受付開始】From World Models to Real-World AI — 日本から拓くAIの新時代 Chief Scientific Advisorとして当社に参画したJürgen Schmidhuber博士を迎えるシンポジウムを、10月26日（月）に東京・一橋講堂で開催します。本日より一般申し込みを開始しました。Schmidhuber博士による基調講演とQ&A、 CEO David Haとの対談、Sakana AI研究者によるショート講演を予定しています。 日時：2026年10月26日（月）15:00〜18:00 会場：一橋講堂（東京・千代田区） 言語：英語（通訳なし） 参加費：無料（事前登録制） ※ 席に限りがありますので、お早めにお申し込みください。 お申し込みはこちら： t.co/5MpudErcCL 🐟

「Stripe Tour Tokyo 2026」に、Sakana AI CEOのDavid Ha @hardmaru が登壇しました。 AIエージェント時代の決済基盤を築くStripeの取り組みを語ったJohn Collison氏 @collision に続き、当社として日本のAIエコシステムに貢献する展望をお話ししました。 Stripeの皆様、ありがとうございました！

The new Sakana AI website is live. 🐡 We have updated our digital home to reflect our products, enterprise solutions, and latest research. Sakana AIの新サイトを公開しました。エンタープライズ事例やApplied Teamの採用情報も更新しています。ぜひご覧ください！ sakana.ai

Sakana AI共同創業者・CEOのDavid Ha（@hardmaru）の寄稿が @NikkeiAsia に掲載されました。タイトルは「AIの未来はオーケストレーターにある」。 フロンティア企業が巨額の計算資源を投じ、モデルの巨大化で性能を伸ばし続ける競争が、いつまで続けられるのか。その限界が見え始めています。オープン なモデルとの差は数か月に縮まり、最先端モデルの推論コストは、それが支援するはずの人の時給を上回ることも珍しくありません。寄稿では、この状況を「一つのモデルがすべてを支配する」という発想の行き詰まりと捉え、その先の道筋を考えています。 Sakana AIという社名には、魚の群れのように、個々では成し得ないことを協調によって実現する「集合知」への期待を込めています。どのモデルにも強みと偏りがあります。だとすれば、価値はモデルの重みそのものから、複数のモデルを状況に応じて使い分け、まとめ上げる知能へと移っていくはずです。 ソブリンAIについても、同じ視点で論じています。「ソブリンティとは、国を閉ざすことではなく、サプライチェーンの強さである」。外部から切り離された純国産モデルを目指すのではなく、AIを国内で開発し、調整し、運用し続ける知見を持つこと。特定の一社に依存せず、世界中の資源を組み合わせられること。ある事業者がアクセスを止めても、別の経路で動き続けられること。そうした強靭さこそが主権だと考えています。 計算資源も電力も資本も、日本は潤沢ではありません。だからこそ、より賢く、より効率のよい仕組みを工夫するしかありません。その挑戦を、Sakana AIは日本から続けていきます。 全文（英語）: t.co/f6K6BiNZxg 🐟

【採用情報】Sakana AIで「Forward Deployed Engineer（Defense）」を募集🚀 t.co/B9vE2J2lYw 防衛・インテリジェンス領域の顧客の中に飛び込み、現場の業務を誰よりも深く理解したうえで、LLMやAIエージェントを駆使した解決策を「そもそも何を作るべきか」から提案し、自ら実装して いただきます。 📌 このようなご経験をお持ちの方を募集 ・LLM・生成AIを活用したアプリケーション開発経験 ・データサイエンス・機械学習プロジェクトの実務経験 ・要件定義・課題ヒアリングを通じてビジネス課題を技術的に解決した実績 情報保全や閉域環境といった厳しい制約の中で、AIを現場に届けたい方、ぜひご応募ください🙌

【Account Executive (GTM) 立ち上げメンバー募集】 t.co/8VzHB7sl30 Sakana Marlin、Namazu、FuguをはじめとするSakana AIプロダクトを、大企業を中心とした顧客に広げていきます。日本のAI企業が世界で勝つための営業の型をゼロから設計していただきます。 求めるのはエンタープライズ 営業を一気通貫で回してきた経験、エンジニアやリサーチャーと対等に話せる技術理解、そして日本語と英語の両方で市場を切り拓けることなどです。 研究・プロダクト開発拠点と同じ場所から、日本発のAIを世界に届ける営業組織を立ち上げます。この立ち上げに関わりたい方、ぜひご応募ください🐡

Account Executive（GTM） プロダクトチームは、Sakana Chat 🐟・Marlin 🐬・Fugu 🐡などの自社プロダクトを通じて、独自技術に基づく革新的なAIソリューションを日本および世界の企業・機関に届けています。 本ポジションでは、Sakanaの自社プロダクトを大企業をはじめとする顧客に広げ、事業成長を 直接牽引します。プロダクトの価値を起点に、再現性とスケールを前提とした営業・成長の仕組みを構築します。日本とグローバルの両市場を担当し、国内主要顧客の開拓と海外市場拡大をリードしていただきます。 t.co/8VzHB7sl30

Account Executive (GTM) sakana.ai/careers/busine…

Account Executive (GTM) sakana.ai/careers/busine…

Introducing "Scaling In-Context Imitation Learning" (SAIL) to be presented at #IROS2026. This work is a collaboration between Sakana AI and the University of Tokyo. Blog: t.co/b6xgwIMkUP What does a robot need before it can tackle a new task? Teaching a robot something new usually starts with collecting demonstrations and training a policy. But foundation models have already learned from vast amounts of images, text, and robotics-related data. We wanted to see how much of that knowledge we could draw out for robot control without changing the model itself. Recent demonstrations suggest that GPT-6 Astra can operate physical robots alongside its general language and vision capabilities. Earlier work has also shown that LLMs/VLMs can generate entire sequences of robot movements from a few demonstrations. However, a foundation model does not necessarily produce a reliable robot trajectory in a single generation. Performance depends on the context provided, and a small error in a movement target can cause the entire task to fail. We propose SAIL, a method for more reliable VLM-based robot trajectory generation through test-time scaling. SAIL uses a policy VLM as a robot trajectory generator, conditioned on a few successful demonstrations. It tests the generated trajectory in a simulator and uses an evaluation VLM to review the resulting video and identify where progress stalled. The policy VLM then uses this feedback to revise the trajectory, with Monte Carlo tree search (MCTS) exploring alternatives while refining promising candidates. Only the selected trajectory is sent to the physical robot. Across six manipulation tasks in simulation, increasing the search budget from one candidate to 45 raised the average rate of finding a successful trajectory from 25% to 73%. We also evaluated SAIL on a physical robot. Our results suggest that robot trajectory generation can benefit from test-time scaling, with additional computation enabling the model to test and refine its proposed actions in simulation. We think there is more to learn about what existing models can do with this kind of feedback, and how far those improvements carry over to physical robots. Paper: t.co/robokip5Nc 🐟

GIF

Does Sakana AI have an Instagram? We do now. Find us at SakanaAILabs on IG 🐡 インスタ始めました！

Vídeo

Our Instagram: instagram.com/SakanaAILabs

Our Instagram instagram.com/SakanaAILabs

【申込締切は9/27！🐟】 Sakana AI Engineer Open House、参加申込受付中です！ connpass.com/event/405653/

申込方法 次のGoogleフォームからお申込みください。 forms.gle/t4a9eZBeNHaeK8… ※ 申込期限: 9/27

Sakana AI、「日本スタートアップ大賞2026」で総務大臣賞（情報通信分野）を受賞。 表彰式では、当社より、防衛分野における指揮統制システムに最先端のAIを活用している事例について、総理にご紹介しました。 ⏵ 受賞ポイント（概略） 自然界の進化や集合知に着想を得た、効率的なAI開発手法を確立 し、限られた計算資源下でも高性能な推論を実現するアーキテクチャを開発。さらに安全保障や労働力不足等の課題解決に取り組んでいる点。 ⏵ 首相官邸での対話 表彰式では、高市早苗内閣総理大臣や関係閣僚に対し、当社の最先端AI技術が持つ優位性についてご説明しました。世界的なAIの大規模モデル開発競争の加熱、また計算資源の不足という課題に対し、複数の小型・高効率モデルを掛け合わせる当社のアプローチが、巨大インフラに依存しない実効的な解決策になり得る点をお伝えしました。 また、当社が防衛・安全保障分野においてもAI技術の研究開発と実装を進めていることをご紹介しました。国内で開発したAI技術を重要領域で活用する取り組みを通じ、日本のAI主権の確立に向けた基盤づくりを担っています。 独自のアプローチによるAI技術と、日本発のフロンティアAI企業としての挑戦が評価されたことを感謝いたします。私たちは今後もAIの限界を押し広げ、研究開発と社会実装を加速させていきます。

【申込締切は9/27！🐟】 Sakana AI Engineer Open House、 参加申込受付中です！ connpass.com/event/405653/

Jürgen Schmidhuber氏、Chief Scientific AdvisorとしてSakana AIに参画 t.co/uZMb41Pba0 Sakana AIは、現代AIの父として世界的に知られるJürgen Schmidhuber（ユルゲン・シュミットフーバー）氏が、現職との兼任でChief Scientific AdvisorとしてSakana AIに参画し、当社のRSI Labに携わる ことを発表しました。 Schmidhuber氏の研究は、今日のAIの土台そのものと言っても過言ではありません。「学び方を学ぶ機械」の可能性を論じた1987年の学位論文以来、再帰的自己改善（Recursive Self-Improvement, RSI）の道を切り開いてきました。1990年には、AIが環境を内部でシミュレートしてから行動する「世界モデル」の考え方を提唱しました。2018年に当社CEOのDavid Haとともに発表した論文 "World Models" は、この考え方が広く知られるきっかけとなりました。 Schmidhuber氏は長年にわたり、日本のAI研究の先駆者への敬意を示してきました。1979年のネオコグニトロンで畳み込みニューラルネットワークの原型を築いた福島邦彦博士、ホップフィールド・ネットワークの真の先駆者である甘利俊一博士など、日本の研究者は今日のAI革命の礎を築いてきました。Schmidhuber氏の長年の構想が理論の段階を抜け出しつつある今、Sakana AIは、そうした日本のAI研究の伝統や強みも踏まえ、現実世界に生かせる世界モデルの開発を進めていきます。 Schmidhuber氏は10月下旬に来日し、一般公開のイベントを東京で開催します。詳細は近日中にお知らせします。

Sakana AI welcomes Jürgen Schmidhuber as Chief Scientific Advisor. t.co/e6JxGxQWEo Sakana AI is incredibly proud to announce that Jürgen Schmidhuber, universally recognized as the father of modern AI, is officially joining Sakana AI as Chief Scientific Advisor. For nearly four decades, Jürgen has explored how machines can learn to learn. His foundational work in the 1990s drove core advancements in deep learning and established early frameworks for world models. Crucially, his pioneering innovations in meta-learning opened the very path toward recursive self-improvement. These ideas have already shaped our own research, from the Darwin Gödel Machine to The AI Scientist. Now Jürgen will help guide our newly formed RSI Lab, whose objective is to trigger a compounding cycle of scientific discovery aimed at improving machine intelligence. We are assembling a critical mass of world-class experts in Tokyo to make this a reality. Welcome, @SchmidhuberAI !

We announced our RSI Lab earlier this year: t.co/AhHEJPn251 Over the last two years, we have systematically shipped the foundations for autonomous R&D: ▪ LLM²: AI automating research to invent new optimization algorithms. ▪ Darwin Gödel Machine: Agents rewriting their own codebase to double performance. ▪ ShinkaEvolve: Hyper-sample-efficient program evolution. ▪ ALE-Agent: Self-learning agents beating hundreds of human experts. ▪ Digital Red Queen: Open-ended adversarial coevolution. ▪ The AI Scientist: End-to-end automated research, published in Nature. Now we are unifying them into a single mission: open-ended, adaptive architectures that collectively self-improve. Human intelligence did not emerge from unlimited resources. It was forged through open-ended evolution under strict constraints. We believe the same principle applies to AI. Recursive self-improvement should not be confined to a hyperscale cluster, but should enable vastly more efficient AI systems. Under Jürgen's guidance, we are taking our foundation of shipped research, from the Darwin Gödel Machine to The AI Scientist, to the next level. We are building world models an agent can plan inside, and systems that design and run their own experiments. We are seeking a select group of highly driven Frontier Research Scientists and Advanced Core Engineers. If you have a proven track record at top labs but want to break away from standard benchmarking to discover fundamental new laws of machine intelligence, apply here: t.co/DHAYaFbxlJ Join us in Tokyo.

次のパラダイムを探索する、Sakana AIの研究グループ「Frontier Intelligence Group」 t.co/H4JFpLtXSt Sakana AIには、現在の主流とは異なる方向からAIの可能性を探る研究グループ「Frontier Intelligence Group（FIG）」があります。FIGは、知能はまだ「解決」しておらず、現在のAIと生物 の知能のあいだにあるデータ効率やエネルギー効率、汎化能力の差を、研究として正面から扱うべきだという立場から出発しています。 本記事では、FIGの考え方と、Continuous Thought Machines、予測符号化による学習、スパースなTransformer、AI Picbreeder、Smart Cellular Bricks などこれまでの研究を紹介しています。

Introducing the Sakana AI Frontier Intelligence Group 🪷 t.co/wdVBRGcIGI Current AI systems are incredibly capable, but is intelligence “solved”? And if not, what’s missing? At Sakana AI’s Frontier Intelligence Group (FIG), we believe that there are still breakthroughs to be made in AI. The Transformer and language modeling may be incredibly powerful, but it doesn’t mean that better alternatives don’t exist. Natural intelligence still beats artificial intelligence across many dimensions. Agents lack the deep insights and creativity of humans. Individual models require far more data than the brain to learn robustly, and require far more energy to run. If we set these as targets, what kinds of AI systems could we develop? Research at FIG has sought to address the gaps between natural and artificial intelligence. Here are some of our works, and the fundamental research questions that motivated them: • Continuous Thought Machines: How can we improve information processing by leveraging temporal dynamics? • Augmented Lagrangian Predictive Coding: How can local learning solve multilayer credit assignment? • Sparser, Faster, Lighter Transformer Models: How can we massively increase data efficiency and generalization? • The AI Picbreeder Experiment: How can we make artificial open-ended systems? • Smart Cellular Bricks: How can physical systems achieve collective intelligence and self-repair without a central brain? We hope that this encourages other researchers to also explore different paradigms, and take a leap of faith with us. After all, in the words of a dear friend of ours, “greatness cannot be planned”.

Introducing the Sakana AI Frontier Intelligence Group 🪷 t.co/wdVBRGcIGI Current AI systems are incredibly capable, but is intelligence “solved”? And if not, what’s missing? At Sakana AI’s Frontier Intelligence Group (FIG), we believe that there are still breakthroughs to be made in AI. The Transformer and language modeling may be incredibly powerful, but it doesn’t mean that better alternatives don’t exist. Natural intelligence still beats artificial intelligence across many dimensions. Agents lack the deep insights and creativity of humans. Individual models require far more data than the brain to learn robustly, and require far more energy to run. If we set these as targets, what kinds of AI systems could we develop? Research at FIG has sought to address the gaps between natural and artificial intelligence. Here are some of our works, and the fundamental research questions that motivated them: • Continuous Thought Machines: How can we improve information processing by leveraging temporal dynamics? • Augmented Lagrangian Predictive Coding: How can local learning solve multilayer credit assignment? • Sparser, Faster, Lighter Transformer Models: How can we massively increase data efficiency and generalization? • The AI Picbreeder Experiment: How can we make artificial open-ended systems? • Smart Cellular Bricks: How can physical systems achieve collective intelligence and self-repair without a central brain? We hope that this encourages other researchers to also explore different paradigms, and take a leap of faith with us. After all, in the words of a dear friend of ours, “greatness cannot be planned”.

🐙 Sakana Fugu Max is now on Sakana Chat 🐙 Free for all to use. Try it: chat.sakana.ai Blog: sakana.ai/chat-fugumax/#… 🐡

Vídeo

Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier sakana.ai/fugu-max-relea…

The latest issue of Scientific American (@sciam) features our Smart Cellular Bricks research: simple cubes that collectively recognize their own shape and repair themselves without a central brain. t.co/KGshVCeiM4 What if 200 simple blocks, with no central controller and no idea where they are, could figure out what object they have built, and tell you exactly where pieces are missing? That is what Smart Cellular Bricks do. Led by Sakana AI researcher Sebastian Risi and collaborators at IT University of Copenhagen and Autodesk, each cube runs the same small neural network and communicates only with its direct neighbors. From purely local exchanges, the collective converges on the correct global shape, locates damage, and can even guide its own repair. No module is in charge. No module knows its position. From simulation to 197 physical bricks with 100% accuracy, this is a step toward machines that build and heal themselves.

Smart Cellular Bricks: Towards Collective Intelligence for the Physical World Our blog post: sakana.ai/smart-cellular… Nature Communications paper: doi.org/10.1038/s41467…

【採用情報】Sakana AIで「防衛ドメインエキスパート（Defense Domain Expert）」を募集🐟 t.co/LY3kLmRwt2 防衛省・自衛隊の業務と組織を熟知した立場から、Sakana AIのAI技術を「現場で実際に使える形」へ翻訳し、ユースケースの定義から提案・導入・運用定着までを一気通貫で牽引して いただきます。 🐟 このようなご経験をお持ちの方を募集 ・幕僚監部（統合／陸上／海上／航空）またはそれに準ずる機関での勤務経験 ・情報、運用、防衛計画、指揮通信システムのいずれかの実務経験と専門性 ・防衛省・自衛隊の組織構造、意思決定プロセス、調達の仕組みへの深い理解 自衛隊とスタートアップの間の「翻訳者」として動ける方、ぜひご応募ください🐟

【GTMチーム拡充・創業メンバー募集】　Sakana AIは、研究から生まれたプロダクトを日本と世界の企業・官公庁に届けるGTM組織を大規模に拡充します。 Sakana Chat、Namazu、Marlin、Fuguなど、既に世に出ているプロダクトを事業に拡大するフェーズで、営業もエンジニアも「創業メンバー」としてGTM の仕組みをゼロから作り上げます。 ▼募集ロール ・Product Sales & Account Executive ・Forward Deployed Engineer (GTM) 研究・プロダクト・現場が分断されない環境で、世界クラスのAIを事業に変える仕事をしませんか。 ▼詳細・応募 t.co/lIDFHZ5lnp 🎏

🐡 Sakana Chatがアップデート 🐡 8月にはモデルも新しくなった「Sakana Chat」がさらにパワーアップしました。 （1）オーケストレーターモデルを最新モデルに刷新 （2）メモリー機能を追加 を新たに実装しました。 Sakana Chatを試す：chat.sakana.ai Blog：sakana.ai/chat-fugumax/ 🐙

GIF

【GTMチーム拡充・創業メンバー募集】 Sakana AIは、研究から生まれたプロダクトを日本と世界の企業・官公庁に届けるGTM組織を大規模に拡充します。 Sakana Chat、Namazu、Marlin、Fuguなど、既に世に出ているプロダクトを事業に拡大するフェーズで、営業もエンジニアも「創業メンバー」としてGTMの 仕組みをゼロから作り上げます。 ▼募集ロール ・Product Sales & Account Executive ・Forward Deployed Engineer (GTM) 研究・プロダクト・現場が分断されない環境で、世界クラスのAIを事業に変える仕事をしませんか。 ▼詳細・応募 t.co/MudcSpFWd3 🎏

At Tech Summit '26 in Christchurch, Sakana AI Research Scientist @Stefania_Druga spoke in front of ~700 industry leaders. She explained why we are all scientists now, why that makes human expertise matter more than ever, and why AI for Science is a Sovereign AI question.

【採用情報】「Forward Deployed Engineer（GTM）」をオープンしました 🐟 t.co/33r4hGLUdV GTM（Go-to-Market）チームのミッションは、Sakana AIの研究から生まれたAIプロダクトを市場に届けることです。この度、GTMチームにおけるFDEの初期メンバーとなるポジションをオープンしました。 下記のような挑戦が待っています。 ・顧客理解に基づく導入設計とインテグレーション ・PoCから本番運用、全社展開までを一気通貫で担当 ・現場の知見をプロダクト本体のコードにも還元 Sakana AIのGTMチームの立ち上げを一緒に進めていただける方、ぜひご応募ください🚀

【We're Hiring】Forward Deployed Engineer (GTM) 🐟 t.co/33r4hGLUdV The GTM (Go-to-Market) team's mission is to bring the AI products born from Sakana AI's research to market. We've opened a new role as a founding member of the Forward Deployed Engineer (FDE) function within GTM. Join the team behind Sakana Marlin, Sakana Namazu, Sakana Translate, and Sakana Fugu. Deploy Sakana AI's products inside enterprise customers, drive them from PoC to company-wide adoption, and feed what you learn back into improving our products.

🐟️ Sakana Marlinがアップデート 🐟️ ブログ：t.co/PxASHXonVQ Sakana Marlinを試す：t.co/hyLE1lsijz 本日、Sakana AIはUltra Deep Research Assistant「Sakana Marlin」をアップデートし、二つの機能を実装しました。 ・レポートと対話する「Interactive Reading」 ・出力スライドのPowerPoint対応

GIF

アップデート①「Interactive Reading」機能 エージェントと対話しながら、気になるところを深掘りする読み方です。 チャットで質問や議論ができ、話題になった箇所へそのまま飛べます。 引用をクリックすれば、エージェントが出典を開いて根拠となる箇所まで示してくれます。

GIF

9月14日、WTOのWorld Trade and Tech Dayで伊藤が基調講演を行いました。「AI主権とは所有ではなく選択肢」と述べ、貿易とAIに共通するのは「自国で抱え込まず強みを組み合わせることで、より多くを実現できる点」だと指摘。インフラや物流の効率化等、AIが貿易に果たす役割についても語りました。 ジュネーブ出張中、伊藤錬は、ジョアンナ・ヒルWTO事務局次長@johahill、ダレン・タンWIPO事務局長@WIPO を表敬しました。国際機関のためのAIの役割について充実した意見交換となりました。ありがとうございました！

Sakana AIのProduct Teamの働き方やカルチャーを紹介する記事「Inside Sakana AI's Product Team」を公開しました。 ブログ：t.co/VjHidiLSMP 内容を一部ご紹介 ・Research Team、Applied Teamとの関わり方 ・チームの雰囲気とメンバーのバックグラウンド ・求める人物像 Product Teamでは Applied Research Engineer / Software Engineer / Data Engineer / PdM / Designer / Salesなどを募集しています。Sakana AIでのプロダクト開発に興味のある方はぜひご覧ください。

Inside Sakana AI's Product Team sakana.ai/inside-product…

アイリス株式会社様の医師向けエビデンス検索AI「Evidence Finder」に、当社の「Sakana Namazu」を導入いただきました。 prtimes.jp/main/html/rd/p… Sakana Namazu → sakana.ai/namazu/ 🐟

Introducing PC-ALM, a local-learning alternative to backpropagation. Our method trains 1000-layer neural nets using only local dynamics, and without backprop. Blog: t.co/bBGCgalqKW Standard deep learning relies on backpropagation. The brain, however, cannot implement backpropagation, at least not exactly. How can a physical system, such as the brain, solve multilayer credit assignment without explicit use of backprop? We look for inspiration in two related fields: distributed optimization and NeuroAI. In NeuroAI, predictive coding asks each neuron activation to solve an energy-based inference problem instead of using a standard forward pass. That inference step can be implemented as energy-minimization dynamics on local prediction errors. This perspective -- each layer as a dynamical system -- has proven promising, but performance of predictive coding hasn't scaled well with depth. Credit signals at far ends of the network struggle to diffuse into internal layers. We turn to distributed optimization, generalizing predictive coding to use an augmented Lagrangian instead of energy. This motivation stems back to a classic 1988 paper by LeCun, showing that the Lagrange multipliers of a deep network can be identified with gradients of a supervised loss. The augmented Lagrangian then bridges LeCun's perspective to the standard predictive coding that is used in NeuroAI. We find that this new perspective yields a natural PC-like alternative to backpropagation, resulting in a method we call PC-ALM. PC-ALM differs from PC in that it introduces dual neurons (Lagrange multipliers) as part of the layer-local dynamics, resulting in each layer acting as a PI feedback control system to minimize local prediction errors. We find that PC-ALM is capable of propagating signals to seemingly arbitrary depth, especially in deep narrow networks where standard PC struggles to learn. Ultimately, our motivation here is to understand how distributed physical systems, such as the brain, can compute credit signals using only local coupling and local dynamics. PC-ALM may also inform deep learning in neuromorphic hardware, where dynamics are cheaper than on GPUs. Paper: t.co/doSZ8mzoyK Code: t.co/rxEDIszVKD

Vídeo

Augmented Lagrangian Predictive Coding arxiv.org/abs/2605.31022

【AIの難問は、生命の難問へ：英国王立協会が紐解く「世界モデル」と知能の未来】 近年のAIの急速な発展により、AGI、すなわち人間並みの知能はすでに実現したという意見も聞かれるようになりました。果たしてそうなのでしょうか。 鍵となるのが「世界モデル（World Model）」の概念です。 世界モデルとは、生き物やAIが外の世界を内部に写し取り、次に何が起きるかを予測して行動するための土台となるものです。1665年創刊、世界最古の科学誌として知られる英国王立協会の『Philosophical Transactions of the Royal Society A』にて、この世界モデルをテーマにした特集号「World Models in Natural and Artificial Intelligence」が公開されています。 AI・生物学・哲学の第一線の研究者が寄稿しており、Sakana AI CEOのDavid Ha（@hardmaru）も巻頭記事の共著者として参加しています。本特集を貫く3つのポイントをご紹介します。 ・「できること」と「わかっていること」は違う 現在の大規模なAIモデルは驚くほど多くのことができますが、それは言葉の並び方のパターンを覚えた結果であって、物事の因果を理解しているとは限りません。計算資源を増やすだけでは、この差は埋まらないという論者がいます。 ・自分自身を知るAI AIが自分の内部の状態を予測するように学習すると、内部の表現が整理され、無駄が減ることが示されています。ロボットなど身体を持つAIにとって、自分の状態を把握する力は、状況に応じて動きを変えるための土台になります。 ・AIの難問は、生命の難問につながる 世界モデルは、環境中の自分自身を捉えるためのものでもあります。生き物は与えられた情報をただ受け取るのではなく、自ら環境に働きかけて世界を学ぶ。これからのAIはますます人工生命（ALife）の研究に接近していくかもしれません。 「言葉を扱えること」と「世界を理解していること」の間には、まだまだ隔たりがあります。Sakana AIも、RSI Labでの世界モデル・Physical AIの研究を通じて、このテーマに取り組んでいきます。 特集号はこちら： t.co/1HWJdt9qKf 🐟

Fugu Ultra v2 is now live on @OpenRouter 🐙 t.co/bbMh2CiJ9C Our flagship orchestration engine built for peak performance on complex multi-step reasoning, autonomous research, and full-stack software development.

Peak performance across hard benchmarks: • Best or joint-best on 5/8 benchmarks (DeepSWE, Chartography, Toolathon, GDP.pdf, SWEFish) • Chartography: 48.3 (outperforming Opus 5 & Fable 5) • DeepSWE: 74.3 Achieved without Fable 5, Fable 5.1, or GPT-6-Astra in the agent pool. Details: t.co/vjyNB5lWGp 🐡

Fugu Max is now live on @OpenRouter! 🐡 Our learned multi-agent orchestration engine routes tasks across open-weights and specialized models for Pareto-frontier efficiency. • $2/$6 per 1M tokens • Multimodal (Image/PDF)+Web search • Configurable reasoning · Function calling · Structured outputs t.co/XRMzhdsHRy

Release notes for Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier sakana.ai/fugu-max-relea… 🐡

Introducing Fugu Max and Fugu Ultra v2: the next evolution of Sakana Fugu’s multi-agent orchestration system. Try: t.co/hhO6qT9YqD Blog: t.co/vjyNB5lWGp The frontier that actually matters is the Pareto frontier: capability on one axis, cost on the other. But the industry still treats it as a static menu of isolated models. Today we are resolving that with a dynamic architecture: Fugu Max expands the Pareto efficiency frontier. By orchestrating our largest pool of open-weights and specialized models to date, including NVIDIA Nemotron family, it dynamically routes tasks to the leanest capable model. Fugu Max delivers performance within striking distance of elite models at two to six times lower cost. Fugu Ultra v2 pushes the peak capability of orchestration higher than ever before. On Chartography, it outperforms Opus 5 and Fable 5. On DeepSWE, it outperforms models that cost three to five times more per token. Crucially, it does all of this without Fable 5, Fable 5.1, or GPT-6-Astra in its agent pool. The Fugu orchestration system evolved with model resiliency in mind. It does not rely on individual frontier models to deliver frontier output. By orchestrating a swappable pool of open and specialized models, it outperforms closed ecosystems while protecting users from vendor lock-in, API revocations, and sudden service cutoffs. Fugu Max expands the Pareto frontier outward. Fugu Ultra v2 pushes it upward. Orchestration does not force a choice between cost and capability. It advances both simultaneously.

GIF

Fugu Ultra v2 by the numbers. Full Results: t.co/vjyNB5lWGp • #1 on 5 out of 8 hard benchmarks (including DeepSWE, Chartography, Toolathon) • DeepSWE: 74.3 • Chartography: 48.3 vs Opus 5 at 27.3 Achieved without Fable 5, Fable 5.1, or GPT-6-Astra in the agent pool.

Sakana AIは、ＳＣＳＫ株式会社および住友商事株式会社と、AI活用による日本の産業変革と社会課題解決に向けた包括業務提携を締結しました。 sakana.ai/scsk-sc-partne… Sakana AIの技術力、ＳＣＳＫの統合・実装力、そして住友商事の事業基盤を掛け合わせ、AIの社会実装を加速させます。

Sakana AIリサーチサイエンティスト・菅沼雅徳のインタビューが9月8日の朝日小学生新聞に掲載されました。 リサーチャーの仕事内容や1日の流れ、生成AIの未来、小学生のAI活用法についてお話ししました。 機会をいただいた編集部のみなさまに感謝します。

菅沼が開発メンバーの一人を務めたSakana Chatはこちらから。 chat.sakana.ai アップデートを重ねてパワーアップしていますので、ぜひお使いください！

記事内でも紹介されている「Sakana Chat」は、どなたでも無料でお使いいただけます✨ 小学生の皆さんの学びのサポートから、大人の方の日常的なリサーチやアイデア出しまで、ぜひ気軽に話しかけてみてください！人間が考えを広げるためのツールとして、AIとの対話を楽しんでいただければ嬉しいです。 お試しはこちらから👇 t.co/l9j4NPDX4o 🐙

【イベント告知】 Sakana AI Engineer Open Houseを今年も開催します🐟 お申込みはこちら（締切：9/27） t.co/mws246UFpU ・日時：2026年10月5日（月）18:00-21:00 ・場所：虎ノ門会場 または オンライン ・内容：事業紹介（金融／防衛／Product）、社員・ジョブ紹介など ・参加費：無料 CEOのDavid Ha（@hardmaru）をはじめ、Sakana AIのキーパーソンが登壇します。虎ノ門会場では懇親会もご用意しています。ぜひご参加ください🚀 ※虎ノ門会場は抽選制です

Sakana AI Engineer Open House🐟️🐡 Googleフォームからお申込みください。 forms.gle/t4a9eZBeNHaeK8…

【申込締切は9/27！🐟】 Sakana AI Engineer Open House、参加申込受付中です！ connpass.com/event/405653/

Can a strong general-purpose vision model distinguish real from AI-generated images using only a simple decision rule on frozen representations? Our latest results, to be presented at #ECCV2026, show it can. Blog: t.co/EvTnCIqkB5 Paper: t.co/NzvieckZlh New image generators keep appearing. A trained AI-generated image detector that works well on familiar images can fail when the generator, prompt, style, or image domain changes. Our benchmark study introduced Percept-Lens, a common evaluation framework for these shifts, and showed how sharply released AI-generated image detectors can degrade beyond familiar data. That led us to a more basic question. When a detector fails, has its underlying vision model lost the distinction between real and AI-generated images, or is its decision rule failing to recover it? In our upcoming ECCV paper, we built a new detector by keeping a general-purpose vision model frozen and fitting a simple Gaussian decision rule to its representations. The method models how labeled real and AI-generated images are arranged in the vision model’s feature space, then classifies a new image by the group it most closely resembles. On the same broad evaluation suite, our detector outperformed the strongest released AI-generated image detector we tested, even though its general purpose vision model had not been trained specifically for this task. Better vision models will take detection further. Our results show that progress can also come from making better use of the real-versus-generated structure already present in a general-purpose vision model.

GIF

Percept-Lens: A Deep Dive into AI-Generated Image Detection pub.sakana.ai/percept-lens/

意思決定が高速化する、AI時代の防衛とは Sakana AIで防衛領域を担当する菊池咲が、TBS CROSS DIG（@tbs_bloomberg）「1on1 Tech」に出演しました。 金融・コンサルティング業界を経験し、大学院では核抑止について研究したバックグラウンドから、今「防衛テック」が注目される背景、複数のAIを賢く使いこなすオーケストレーションとAI主権の考え方まで、幅広くお話ししました。 AIで意思決定が速くなるほど、人間の判断はむしろ重みを増す。そうした中で「人間がループの外に置かれることを許さない」という規範を先んじて作ることの重要性について、核抑止との類似点や相違点も踏まえて語りました。ぜひご覧ください。 t.co/9rKM7dczU6

@tbs_bloomberg 防衛AIに不可欠な「レジリエンス（回復力）」とは何か。核抑止の歴史がAIガバナンスに示すものとは。本編でさらに詳しく語っています。 インタビュー本編はYouTubeからご覧いただけます👇 youtu.be/NIS8nqwI7C4 🐟

Sakana AI CTO Llion Jones and Research Scientist Kai Arulkumaran will give a talk on “Bridging the gap between Neuroscience and Machine Learning” at the #CiNet International Conference. Date: Oct 5-7, 2026 Place: Osaka, Japan cinet.jp/english/event/… 🐟

Sakana AI の Applied Research Engineer 合田晴紀が、Auth0社主催「Camp AI」に登壇しました。本人が開発責任を担ったUltra Deep Research Assistant「Sakana Marlin」を含む当社プロダクトをご紹介し、エージェント時代のプロダクト開発について議論しました。

【採用情報】Business Intern（Product Team）募集🐟 t.co/zh2ipYzcMk Sakana Chat、Sakana Marlin、Sakana Fuguなどを手がけるProduct Teamで、プロダクトマネージャーとともに実務を担うビジネスインターンを募集しています。 ・PM業務やユーザーサポート運用の支援 ・生成AIプロダクトの 市場調査 ・GTM活動や法人営業の支援 AIプロダクトが生まれ、成長していく現場を体感したい方、ぜひご応募ください🚀

Sakana AIのインターンは単なる「見学」ではありません。入社初週から実務をお任せし、最先端のAIプロダクトが世界へ羽ばたく過程を最前線でリードしていただきます！ 🌎 日英が飛び交うグローバルな環境 🔥 日常的にLLMを使いこなす熱量のある方 📝 応募には英文CVとカバーレターが必須です 詳細👇 t.co/iYcpm4yqyL

Sakana AIは、防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結しました。 t.co/3VDc4nToII 政府が防衛力強化の柱の一つと位置付ける「情報力」の分野において、情報分析官の業務に最先端のAI技術を適用する取り組みです。 本事業では、当社のAIエージェント技術を 活用し、「情報収集の効率化」「分析能力の向上」「体系的な情報管理」の3つの観点から実証を行い、意思決定を支える信頼性の高いAI機能の実装を推進します。

AIでは、防衛・インテリジェンス領域の最前線でこの挑戦を共にするエンジニア・プロジェクトマネージャーなどを募集しています。 詳しくは募集要項をご覧ください。 sakana.ai/applied-career…

We’re Hiring: Member of Technical Staff (LLM Development) 🐟 sakana.ai/careers/member… The role: ・Develop LLMs that form the foundation of Sakana AI’s products, solutions, RSI research ・Engage in every stage of LLM development, from pre-training to post-training and evaluation

Member of Technical Staff (LLM Development) sakana.ai/careers/member…

【採用情報】Member of Technical Staff (LLM Development) の募集を開始しました🐟 t.co/XmUoUaR3QY Sakana Namazuを起点に拡大しているSakana AIのLLM開発を担うポジションです。下記のような挑戦が待っています。 ・事前学習から事後学習・評価まで、LLM開発の全工程に取り組むチーム に参加 ・LLM開発全体を見渡しながら、担当領域にオーナーシップを持ってリード ・Sakana AIのプロダクト・ソリューションとRSI研究の基盤となるLLMを開発 LLM開発の最前線で挑戦したい方、ぜひご応募ください🚀

事前学習から事後学習、そしてRSI研究の基盤構築まで。LLM開発の「ど真ん中」で圧倒的なオーナーシップを持てる刺激的な環境です。 募集職種: Member of Technical Staff (LLM Development) 詳細はこちら： sakana.ai/careers/member…

事前学習から事後学習、そしてRSI研究の基盤構築まで。LLM開発の「ど真ん中」で圧倒的なオーナーシップを持てる刺激的な環境です。 Member of Technical Staff (LLM Development) sakana.ai/careers/member…

🐟日英翻訳をもっと深く、自然に🐟 本日、Sakana AIは翻訳サービス「Sakana Translate」の翻訳モデルを新世代「Sakana Namazu」に新機能「Sakana Translate」を追加しました。 Sakana Translateを試す：translate.sakana.ai 🐟

GIF