autoresearch

概述

autoresearch 是由 Andrej Karpathy 发起的一项实验性开源项目，它展示了自主 AI 代理在真实机器学习研究中的强大能力。该项目基于简化的 nanochat 实现，提供了一个最小化的单 GPU 训练框架，其中 AI 编码代理完全掌控了实验循环。

研究人员无需手动修改 Python 代码，只需在 program.md Markdown 文件中编写高级指令。AI 代理会迭代式地修改训练脚本（train.py），运行固定时长（通常为 5 分钟）的训练实验，根据验证指标（例如 val_bpb）评估改进效果，并仅将成功的变更提交到 Git 功能分支。

核心特性

• 自主代理循环：AI 代理负责规划实验、修改代码（架构、超参数、优化器等）、执行训练，并决定保留哪些更改。
• 单 GPU 高效运行：设计适用于易获取的硬件；每个实验运行固定的短时长（约 5 分钟），每小时可进行约 12 次实验。
• 基于 Git 的版本控制：通过功能分支上的提交记录跟踪改进，便于审查和回滚更改。
• 极简配置：代码库极小（几个文件共约 630-1000 行），专注于一个明确的指标进行客观评估。
• 通过提示词实现人工监督：用户通过 Markdown 中的自然语言指令定义“研究组织”，从而实现复杂的代理行为，无需触及底层代码。
• 易于扩展：可轻松添加更多代理、优化 program.md 提示词，或适配不同的模型/任务。

工作原理

1. 用户设置仓库并在 program.md 中提供研究目标。
2. 启动 AI 编码代理（例如，基于 Claude、GPT 或本地模型）。
3. 代理创建/使用一个 Git 功能分支并开始迭代：
   • 编辑 train.py。
   • 运行定时训练实验。
   • 测量关键验证指标。
   • 如果指标改善，则提交更改；否则丢弃并再次尝试。
4. 经过一夜或数天，系统会累积数十到数百次实验，从而发现更优的模型配置。

该项目强调设计 代理提示词（“研究组织代码”），以在无需人工干预的情况下最大化长期研究效率。

应用场景

• 个人机器学习研究：在你休息或专注于更高层次想法时，让代理探索超参数、架构或优化方法。
• 教学演示：在真实、可运行的机器学习场景中理解代理式 AI 工作流程。
• 分布式集群：社区扩展支持多个代理或机器协作（例如，autoresearch@home 项目）。 e。 -a。
• 快速原型设计：在小规模 LLM 训练中测试自主科学发现的想法。 -p。
• 代理能力基准测试：评估不同 LLM 作为自主研究者的表现优劣。

快速开始

克隆代码库，通过 pyproject.toml 安装依赖项，配置您的 AI 服务提供商（API 密钥），准备包含研究指令的 program.md 文件，然后启动代理循环。它可在单 GPU 上运行，设置要求极简。

代码库中提供了一个基准 program.md 文件，您可在此基础上迭代优化以获得更好的结果。

重要意义

autoresearch 让我们得以初步窥见未来：AI 代理承担实证研究的繁重工作，解放人类以专注于创造性引导。它已引发巨大的社区兴趣，催生了众多分支项目、移植版本（适用于 AMD、Apple Silicon 等平台），并推动了关于代理集群与自动化科学“早期奇点”的讨论。

局限性

• 每次实验都从头开始运行（基础版本不支持跨运行持久化记忆）。
• 专注于单一简单指标和小型模型。
• 成功高度依赖于底层编码代理的质量和提示工程技巧。

有关最新详细信息、代码和社区讨论，请访问官方 GitHub 代码库。