已过期50% 置信观点精确时间

Sakana AI认为日本的计算资源规模远不及美国的超大规模集群，这一约束迫使研究人员追求优雅、适应性和自主性而非简单的规模扩张

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30(已过期)

来源

Sakana AI Establishes Recursive Self-Improvement Lab, Replacing Brute-Force Compute with Creativity to Pioneer a New AI Paradigm

rss2026/6/4

相关事实

待验证AI使小规模低资源组织可能获得远超其实际体量的能力杠杆，形成非对称扩散69% 相似待验证工具粒度过于粗则AI代理难以精确匹配意图，过于细则增加代理规划复杂度，两者平衡是工具设计的核心命题62% 相似待验证具身智能的核心瓶颈在于缺乏合适的训练数据，真实世界中采集机器人抓取、装配、行走等高质量操作数据的成本远高于文本和图像数据61% 相似待验证作者观察到AI提高了做事的能力上限，但最大限制落在人身上——很多人不知道该用它来做什么60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/42239

API

curl https://kongchang.com/api/v1/knowledge/claims/42239

MCP

get_claim(id=42239)