【geek-terminalニュース】Dream-RSIとScienceBuddyで見え始めた自己改善AI実験の最新情報

以前お伝えしたDario Amodeiらの再帰的自己改善AI速度制限論の続報です。前回までの焦点は、フロンティアAIの進歩速度を誰がどう管理するのかというガバナンス側にありました。今回は少し違います。RSI、つまりRecursive Self-Improvementが、抽象的な終末論や政策論ではなく、世界モデル、探索方針、科学タスク、評価ハーネスを回す具体的な実験系として見え始めました。

【事象の全貌と背景】
今回の話題は二層構造です。第一層は、GoogleがRSIループを実証したのではないか、というコミュニティ発の騒ぎです。Redditの投稿タイトルはかなり強く、Google demonstrated RSI loop for AI discoveryと打ち出されました。ただし、ここは慎重に切り分ける必要があります。GoogleまたはDeepMindが、完全な自己改善AIを公式に発表した事実は確認できません。関連する噂として、9月9日のX投稿の大文字がRSIを示しているのではないか、未認証スクリーンショットにrsi-modelらしき文字列があるのではないか、という話が流れましたが、公式確認はありません。

第二層が本命です。確認できる事実として、2026年9月14日にarXivへDream-RSI: Recursive Self-Improvement through Evolving Worldsが投稿され、翌9月15日にScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agentsが投稿されました。つまり、Googleが閉じた完全RSIを達成した、という断定はできません。一方で、RSIという言葉を名前に含む研究が、探索方針の改善や科学エージェントの継続学習という実装レイヤーで現れていることは事実です。ここがギーク的に刺さるポイントです。AIが突然自分の重みを書き換えて神になる、という話ではなく、AI研究や科学探索を支える周辺ループが、まず自己改善の対象になってきたのです。

【技術的ディープダイブ】
Dream-RSIの中核は、基盤モデルそのものを即座に自己改造することではありません。論文の説明では、軽量なオーケストレーション層が探索を明示的かつプログラム可能にし、下位のコーディングエージェントは変更しない設計です。ここが重要です。改善されるのはモデル重みではなく、どの候補を試すか、どの探索経路を優先するかというメタ探索の方針です。

この仕組みでは、過去の発見履歴を発見ツリーとして蓄積し、それを実現済み探索空間のリプレイ・シミュレータとして使います。通常、オンラインで探索方針を改善しようとすると、長いロールアウト、高価な実験、遅延したフィードバックが必要になります。Dream-RSIは、過去に実際に試した探索履歴の中でドリーミング、つまり低コストのオフポリシー評価を行い、改善した探索方針を再びオンライン探索へ戻します。オンラインで新しい発見が増えると、その履歴がまたシミュレータ群を拡張する。これがメタ探索層の再帰的自己改善ループです。

報告されている実験範囲も具体的です。対象はアルゴリズム工学、数学最適化、GPUカーネル工学の3領域、計8タスク。Lasso path solverではSimpleTES比で最大162倍、固定探索比で1.7倍のエージェント呼び出し削減が報告されています。数学最適化ではsum-difference、autocorrelation、circle packingで1k世代以内に強いベースラインと同等または上回る結果を示し、SimpleTES比で50倍超の予算節約を主張しています。GPUカーネルではKernelBenchで目標速度に到達するまでの世代数が1.79倍から2.43倍少なく、同じ予算では最大2.09倍の性能向上が報告されています。

ScienceBuddyは別角度です。こちらは科学研究ワークスペースとして、研究者の依頼、フィードバック、実行証拠をタスクと評価ルーブリックへ変換し、科学エージェントを継続的に改善する構想です。論文が掲げるrecursive-in-recursive self-improvementは、内側の再帰でモデルを固定したままハーネスを改善し、外側の再帰で改善済みハーネスの下でモデルを強化学習する、という二重ループです。Dream-RSIが探索方針の自己改善なら、ScienceBuddyは研究ワークフローと評価環境そのものを改善対象にする試みと言えます。

【コミュニティの生々しい熱量と議論】
Redditの反応は、期待と冷水がきれいに割れています。熱狂側では、真のRSIが一度でも発明されれば十分だ、これはいつか走り出す前の這い始めだ、という見方が出ています。あるコメントは、たとえこれがフルRSIではなくても非常に興奮する、と受け止めていました。別のユーザーは、AIによる高品質な訓練データ生成の時点で弱いRSIは始まっており、今はチップ設計、アルゴリズム改善、アーキテクチャ調整など、改善レバーが増えている段階だと見ています。

一方で、懐疑派の解像度も高いです。最も刺さる指摘は、これはモデル自体のRSIではなく、システムプロンプトや内部ポリシー、ハーネスのRSIではないか、というものです。別のコメントでは、モデルが重みを自己改善しているわけではなく、ハーネスを改善しているだけならRSI-liteだ、ただしオープンソースのエージェントフレームワークに波及すると面白い、という温度感でした。さらに辛口には、これはLLMポリシーを使ったRLロールアウトであって、本当のRSIではない、AIアーキテクチャ開発を自律化しているようには見えない、という声もあります。

面白いのは、コミュニティがもうRSIという単語そのものの定義戦争に入っている点です。AGIの次に、RSIも緩く定義され、勾配上に存在する言葉として延々議論されるだろう、というコメントがありました。まさにその通りで、今回見えてきたのはゼロか一かのRSIではありません。弱いRSI、部分RSI、ハーネスRSI、探索RSI、科学ワークフローRSIが積み上がっていく地形です。これは地味ですが、むしろ現実の技術進化らしい形です。

【今後の展望とエコシステムへの影響】
今回オワコン化し始めるのは、単発ベンチマークだけでAI研究力を測る見方です。Dream-RSIが示す方向では、重要なのは一回の推論能力だけでなく、探索履歴をどう保存し、どうシミュレータ化し、次の探索方針へどう還流させるかです。ScienceBuddyが示す方向では、研究者との対話ログ、失敗した実験、評価ルーブリック、実行証拠が、次世代の科学エージェントを育てる燃料になります。

パラダイムシフトは、モデル単体から研究ループ全体への移動です。今後、AI研究支援の競争は、巨大モデルのスコアだけでなく、発見ツリー、実験管理、評価ハーネス、失敗ログ、再現性チェック、GPUカーネル探索、数学最適化ベンチを統合したAI discovery OSの競争になります。MLOpsやAgentOpsの次に来るのは、DiscoveryOpsと呼びたくなる領域かもしれません。

ただし、ここで最大の注意点があります。今回確認できるのは、限定領域、限定レイヤーでの再帰的改善実験です。Googleが完全な閉ループRSIを達成したという話は、現時点では未確認の噂に留まります。むしろ重要なのは、完全RSIか否かではなく、自己改善の部品がすでに実験可能な工学対象になっていることです。AIがAI研究を進めるという話は、いきなりSFの大爆発として来るのではなく、探索方針を節約し、ハーネスを改良し、科学タスクを回し、評価環境を学習する、小さなループの束として顔を出している。今回のDream-RSIとScienceBuddyは、その実装レイヤーがついに読者の目に見える形で現れた瞬間です。