- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习与统计学
Autoresearch 全自动写代码、写论文，Claude、Codex、龙虾纷纷复现
核心自主迭代循环 /autoresearch:plan 交互式配置向导 /autoresearch:security STRIDE + OWASP 安全审计 /autoresearch:ship 发布前检查工作流 /autoresearch:debug 科学方法自主排 bug /autoresearch:fix 自动修复所有错误 /autoresearch:scenario 场景驱动测试生成 /autoresearch cp -r autoresearch/claude-plugin/skills/autoresearch .claude/skills/autoresearch cp -r autoresearch/ claude-plugin/commands/autoresearch .claude/commands/autoresearch 然后试试： /autoresearch Goal: Increase 特性 Karpathy autoresearch Codex Autoresearch Claude Autoresearch AutoResearchClaw 核心场景 ML 模型训练优化 通用代码质量
3.3K51编辑于 2026-04-13 - 来自专栏运维有术
卡帕西开源 AutoResearch：630 行代码让 AI Agent 自主进化训练，72 小时揽星 12.7k
AutoResearch 的解决方案很简单：把训练时间固定为 5 分钟。 配图2：AutoResearch 自进化循环流程图 特性二:单文件修改的范围控制 AI 只被允许修改一个文件：train.py。 MuonAdamW 优化器 这是 AutoResearch 技术上的一大创新。 克隆项目 git clone https://github.com/karpathy/autoresearch.git cd autoresearch # 3. 配图5：AutoResearch vs 传统超参数调优对比 六、最佳实践 1.
1.3K10编辑于 2026-04-01 - 来自专栏翩翩白衣少年
Karpathy 开源 autoresearch：630 行代码让 AI 自动“炼丹”！
前 OpenAI、特斯拉前 AI 总监 Andrej Karpathy，发布了一个新项目——autoresearch，短短一周左右就狂揽 35.6k Star。 autoresearch 本质上是一个极简版的 LLM 训练环境，它基于 Karpathy 之前的nanochat项目，把核心训练代码压缩成了一个只有630行左右的单文件。 cd autoresearch uv sync 3、准备数据和分词器（一次性，大约2分钟） uv run prepare.py 4、手动运行一次训练，确保一切正常（大约5分钟） uv run train.py 写在最后 Karpathy 的 autoresearch 项目，用一种极其简洁优雅的方式，向我们展示了AI自主做研究的可行性。 GitHub： https://github.com/karpathy/autoresearch 如果本文对您有帮助，也请帮忙点个 赞 + 在看 哈！❤️ 在看你就赞赞我！
2.6K10编辑于 2026-03-16 从AutoResearch中悟到的思维：解决“不敢试错”的人生心法
最近我在研究Karpathy的开源项目AutoResearch心得有二Git分支管理当你想尝试一个新方向时，不用贸然推翻现有状态，而是从“主干”上拉一条“分支”，所有新尝试都在这条分支上进行。 设计一个“不用人在场”的系统，摆脱自身瓶颈AutoResearch的项目文件里，有一句指令让我印象深刻，翻译过来大意是：“永远别停……人可能正在睡觉。” 而AutoResearch给出的解决方案，是搭建一个自主循环的系统，无需人全程盯守，就能自动运转。我把这套系统拆成最直白的人话，分为四个核心步骤：触发器：明确“什么时候开干”，拒绝“凭感觉”。
6600编辑于 2026-04-29- 来自专栏DrugOne
MLIPs迈入自主设计与演化时代
AutoResearch-MLIP：让每一个假设、每一次失败，都成为下一轮研究的依据 一句话概括：AutoResearch-MLIP 以机器学习力场为研究对象，构建了一套自主科研闭环——智能体持续提出设计假设 图 1｜AutoResearch-MLIP 的基本流程。 失败不只是低分——它是下一步的边界 AutoResearch-MLIP中，失败不等于低分，而是一类包含约束信息的结果记录。 如果这一方向走通，AutoResearch-MLIP的自主演化循环就不再只是搜索高分模型，而是朝着科学上更可复用、更可迁移的设计原则推进。 AutoResearch-MLIP由中国科大机器化学家团队与华为 MindSpore Science团队联合开发，已可通过"灵境造物"科研平台使用。
8910编辑于 2026-06-01 读懂 Karpathy 的 autoresearch：把 Agent 关进训练场，让它自己跑一夜实验
读懂Karpathy的autoresearch：把Agent关进训练场，让它自己跑一夜实验你可以先想象一个画面。 这就是karpathy/autoresearch想做的事。到2026年3月中旬，GitHub仓库页显示它已经有4.2万左右Star、5.8k左右Fork。 先说清楚：autoresearch自动化的，不是整个科研，而是一段最耗时间的循环很多人看到这个项目，第一反应是“AI要自己做研究了”。 这个仓库为什么看起来很小，却一点都不像玩具autoresearch真正重要的文件其实只有三个，但这三个文件的分工切得很漂亮。 换句话说，autoresearch真正做到的，不是“自动科研”，而是“自动科研里最容易先跑通的一小段”。但这恰恰也是它值得看的地方。
51410编辑于 2026-04-10- 来自专栏【腾讯云开发者】
让Skill自己训练自己：8阶段Loop、3层评测、5维AND门控，从此实现自进化
他写了一个 630 行的 Python 脚本，叫 autoresearch（https://github.com/karpathy/autoresearch）。 再过了几天，Udit Goenka（https://github.com/uditgoenka/autoresearch） 把 Karpathy 的思路从「优化 LLM 训练代码」泛化成了「优化任何可以测量的东西 或者说，外层用 autoresearch 的方式不断试错、回滚、保留。内层用 creator 的评测把「好不好」这件事测清楚。 Skill-Evolver = AutoResearch 的 loop 骨架 + Creator 的评测引擎 + Meta-Harness 的诊断大脑。 /autoresearch） 8 阶段骨架 + 5 原则 通用化 uditgoenka/autoresearch（https://github.com/uditgoenka/autoresearch）
65620编辑于 2026-05-19 本周人工智能科技简报（2026年3月3日 - 3月10日）
【AutoResearch：单 GPU 的 LLM 训练实验环】 应用案例 / 技术升级：知名开源项目 AutoResearch 提供单 GPU 的 LLM 训练实验环，允许 agent 修改代码并在固定 AutoResearch 通过限制训练时间和资源，提高实验次数，帮助研究者在有限 GPU 条件下发现新架构或调整训练策略 。该框架对 AIGC 创新具有启示意义。
1.2K10编辑于 2026-03-18- 来自专栏MixLab科技+设计实验室
AI 开始「先读再干」：创始人认知带宽重获自由的信号
真正有意思的是对比：Karpathy 的原始 Autoresearch 采用纯代码上下文驱动方式[6]：只给目标，让 Agent 自己在代码里找变化——最终在 16 块 GPU 上跑了 8 小时、生成 computers again [5] Sunset Visitor: Proving You're Human with a Game About AI Identity [6] Karpathy/Autoresearch
18610编辑于 2026-04-17 ClawTeam：让 Claude Code、Codex、OpenClaw 不再单兵作战
第二类：研究型实验README里最吸睛的是autoresearch那段：8Agent8H1002430+实验val_bpb1.044->0.977这个例子当然非常强，但我觉得更值得看的不是数字，而是它表达的调度逻辑 第二，很多高光场景本身带有演示成分比如：8H100的autoresearch7Agent的hedgefund全栈团队自动合并这些场景的方向都对，但你第一次接触这个仓库时，最好先把它理解成：这是项目给你展示
60300编辑于 2026-04-11- 来自专栏贾志刚-OpenCV学堂
Claude一夜爆更自修bug，PR自己绿了！全球程序员：「摸鱼」正式合法
同在今天，来自ELLIS Institute Tübingen等科研团队发布了一项令人震撼的进展—— 他们将Claude Code部署在一个自动化研究（Autoresearch）循环中，让AI独立去寻找新型的
23710编辑于 2026-04-02 - 来自专栏翩翩白衣少年
1.3K Star！让 Coding Agent 在你睡觉时持续工作的神奇开源工具！
项目简介 gnhf 是一个 ralph、autoresearch 风格的编排器（orchestrator），它能让你的 coding agent 在你睡觉时持续运行。
22310编辑于 2026-05-06 Agent框架如何选型？别再无脑选LangChain了
Karpathy在加入Anthropic之前分享过一个经历：他让autoresearch Agent跑了2天，Agent自主执行了约700次修改，其中约20次改进了验证集的loss。
22410编辑于 2026-05-26Karpathy揭秘OpenClaw：智能体正在终结App时代！别再给人类写代码了！
如果说管家系统只是小打小闹，那 Karpathy 正在做的“自动研究（AutoResearch）”才是真正的黑科技。 他有个极其激进的目标：把自己从研究链路中彻底移除。
23410编辑于 2026-03-31- 来自专栏大前端修炼手册
工程师的瓶颈，已经不是代码了
Karpathy 说过一件事，他把自己的 AutoResearch 系统跑了一晚上，发现它找到了他手动优化很久的代码库里从未发现的改进点。
16710编辑于 2026-04-02 - 来自专栏机器学习与统计学
2026 年，AI 编程 Agent 的真正分水岭——Harness 详解
LLM Wiki 概念，Agent 可以积累和检索项目知识 OpenClaw 通知系统：Discord/Telegram 实时推送执行状态 Rate Limit 智能等待：触发限流后自动挂起、到期恢复 Autoresearch
6.3K82编辑于 2026-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号