【导读】AI教父Karpathy发布了一个让整个AI圈震动的项目——autoresearch。简单说就是：让AI当科学家，让它自己设计、训练、优化AI模型。你睡觉的时候，它在进化。你醒来的时候，它已经比你更懂怎么训练AI了。上线一周狂揽46.7k Star，成为GitHub历史上增长最快的项目之一。
突发！AI不需要人类了？
昨晚，AI圈又被一枚核弹炸了。
OpenAI前研究总监、特斯拉前AI总监、AI教父级别的人物 Andrej Karpathy，在Twitter上官宣发布了一个开源项目：autoresearch
GitHub：github.com/karpathy/autoresearch
这个项目干的事情就一件：让AI自己研究怎么训练AI。
不是人类调参，不是人类炼丹，是AI自己当科学家，自己设计模型架构，自己改优化器，自己跑实验，自己看结果，自己决定下一步怎么改。
然后你睡一觉醒来，发现AI已经跑了近百次实验，模型性能蹭蹭往上涨。
炸裂数据：7.5小时89次实验，0崩溃
Karpathy本人实测：
7.5小时完成 89次实验
保留 15项 有效改进
丢弃 74项 无效改动
- 0次崩溃
全程零人类干预
48小时内完成约 700次实验，筛选出约 20项 累加改进
上线一周狂揽 46.7k Star，成为GitHub历史上增长最快的开源项目之一
这玩意儿到底怎么玩的？
Karpathy设计了一套极其优雅的框架，核心三文件（总共约630行代码）：
1. prepare.py —— 数据准备（固定不动）
下载训练数据、训练BPE分词器、数据加载器和评估工具
2. train.py —— 模型和训练循环（AI修改这个）
完整的GPT模型、优化器（Muon + AdamW）、训练循环。所有东西都可以改：架构、超参、批量大小、优化器...
3. program.md —— 给AI agent的指令（人类修改这个）
AI agent的prompt，研究目标、决策规则
工作流程：
你睡觉 → AI agent读取program.md → AI agent修改train.py → 跑5分钟训练实验 → 检查val_bpb → 保留或丢弃结果 → 继续下一个实验 → 你醒来 → 看到一晚上跑了100+实验报告
⏱️ 一小时12次实验，一晚上100次
Karpathy设计了一个极其聪明的时间预算机制：不管你什么硬件，每次实验固定5分钟。
一小时 ≈ 12次实验
一晚上（约8小时）≈ 100次实验
你睡觉 = AI在进化
核心指标：val_bpb
autoresearch用val_bpb（validation bits per byte）作为唯一标准。越低越好。
它是词表无关的，不管你怎么改模型架构，都可以公平比较。
怎么用？
安装就三步：
curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync
uv run prepare.py
uv run train.py
人类负责啥？
改program.md。
对，你没看错。AI agent只动train.py，而人类只改program.md——也就是AI agent的指令文件。
相当于：你在编程一个"AI研究员"，而不是在写AI代码。
细思极恐
想象一下：你现在有一群AI agent，每个都在跑autoresearch，它们自己设计新的模型架构、自己发现新的优化技巧、7x24小时不停进化。然后它们产出的"更好的模型"，又被用来训练下一代autoresearch agent。
这是一个自我进化的闭环。
Karpathy说：Research is now entirely the domain of autonomous swarms of AI agents running across compute cluster megastructures in the skies.
总结
autoresearch = AI研究员 + 快速实验闭环 + 人类战略指导
它代表的不是某个具体的技术突破，而是一种范式转变：从"人类设计AI"到"人类指导AI设计AI"。
下次你看到AI又有重大突破的时候，想一想：说不定那个突破，不是人类想出来的。
【互动话题】
你觉得AI自主研究会在多久取代人类研究员？
• 5年内
• 10年内
• 20年内
• 不可能
评论区聊聊！
热门跟贴