Karpathy发布开源项目autoresearch：AI自主设计训练AI模型，上线一周获46.7k Star

Andrej Karpathy近日正式发布了开源项目autoresearch，引发了AI社区的广泛关注。这个项目的核心理念颇为激进：让AI自己当科学家，自主设计模型架构、修改优化器、运行实验、分析结果，并决定下一步的研究方向。

根据项目说明，autoresearch的工作流程如下：人类只需要编辑program.md指令文件，AI Agent便会读取指令、修改train.py代码，运行约5分钟的训练实验，检查验证集bpb指标，决定保留或丢弃结果，然后继续下一个实验。用户早上醒来时，系统可能已经运行了100多个实验并产出详细报告。

项目包含完整的GPT模型实现、Muon + AdamW优化器组合和训练循环代码。所有组件都可被修改——架构、超参数、批量大小、优化器类型等，Agent会根据实验结果自主迭代。Karpathy在Twitter上宣称："研究现在完全属于AI Agent集群的领域，它们在天空中的计算集群上自主运行。"

受限于工具环境限制，我们未能直接访问GitHub仓库验证项目细节，但根据多个中文科技媒体的报道，该项目上线首周已获得约46.7k Star，被描述为GitHub历史上增长最快的项目之一。这一增长曲线反映了开发者社区对自主AI研究范式的高度关注。

autoresearch的潜在影响不容小觑。如果这套范式成立，AI研究将从依赖人类科学家的手工调参和实验设计，转向由AI Agent集群7×24小时自主运行的大规模并行探索。Karpathy本人也提出了一个递归增强设想：AI Agent产出的更好模型，反过来又用于训练下一代autoresearch Agent。

不过，社区中也存在审慎的声音。真正的前沿AI研究涉及大量工程创新、理论突破和对未知领域的直觉判断，目前的AI Agent是否具备这种能力还有待验证。autoresearch在简单任务上的自主优化效果可能突出，但在OpenAI、Anthropic等前沿实验室的竞争格局中究竟能发挥多大作用，仍需后续观察。