Sakana AI 的论文页面出现一篇题为《Recursive self-improvement through collective intelligence》的工作，归类为论文（https://pub.sakana.ai/mass/）。该条目未附带摘要，具体方法、实验与结论需查阅原文。
标题连接了两个长期受关注的议题。AI 词典：递归自我改进">递归自我改进（Recursive Self-Improvement）指系统参与改进自身，让新一代系统成为下一代系统的改进来源，形成能力持续迭代的循环；集体智能则强调多个模型或智能体通过协作、竞争与聚合，产生单个个体难以达到的整体能力。
两者结合，意味着"改进者"可能不再是单一模型，而是由多个智能体组成的群体。当单模型的能力提升越来越依赖数据与算力投入时，让多个模型互相评估、修正与筛选，有可能把改进过程部分自动化。在更广的研究图景中，与之相关的方向包括多智能体协作、模型合并、进化式搜索，以及以 AI 反馈替代人工反馈的自我博弈等。
这条路线也伴随明显的开放问题：如何定义并度量"改进"；如何避免群体在自我评估中趋向同质或退化；如何在闭环中保留外部检验与安全约束；自动化迭代的算力成本是否可控。这些问题在很大程度上决定了该思路能否从概念走向可复现的方法。
由于该条目未提供摘要，以上仅为该议题的背景框架，论文的具体贡献尚待原文确认。