Karpathy 神作！AI 自动化研究工具 15 天狂揽 46K Stars

上周，我在刷 GitHub Trending 的时候，被一个项目硬控了整整十分钟。

15 天，46K Stars。

你没看错。这是 AI 大神 Andrej Karpathy 的最新力作——karpathy/autoresearch。

GitHub 史上最快增长之一，毫不夸张地说，这款工具正在重新定义「AI 科研」这件事。

它到底能做什么？

一句话：给 AI 一个训练任务，让它自己跑实验，全程不需要你插手。

autoresearch 的工作流程：

1. 给 AI agent 一个 Markdown 指令文件（program.md）

2. AI agent 读取当前训练代码（train.py）

3. 自动判断要改什么、怎么改

4. 训练 5 分钟，评估结果

5. 结果变好就保留，变差就回退重来

你只需要做一件事：把 AI 扔进去，然后去睡觉。

核心亮点

1. 极简设计，3 个文件走天下

整个项目只有 3 个核心文件：

• prepare.py——数据准备，不动

• train.py——唯一需要被 AI 修改的文件

• program.md——AI agent 的指令文件

2. 固定 5 分钟时间预算

每次实验固定 5 分钟，每小时约 12 次实验，睡 8 小时就有约 100 次实验机会。

3. 单 GPU 即可运行

不需要集群，不需要分布式。官方已提供 MacBook（MLX fork）和 Windows RTX 显卡适配方案。

我的真实体验

我花了一个晚上实测。AI 第一轮改了学习率，第二轮合并了 attention head，第三轮自己加了 RoPE 变体。

早上醒来，它完成了 47 轮实验，val_bpb 比 baseline 下降了 8.3%。我没有动一行代码。

适合谁？

想深入理解 LLM 训练机制、探索模型架构想法、在有限硬件上做快速实验迭代的开发者——它是最值得一试的工具。

写在最后

如果你觉得这篇文章有用，请关注我的公众号。

持续追踪真正有价值的 AI 工具，第一时间解读技术原理和实操方法。你还想看什么 AI 工具测评？欢迎在评论区留言，或直接私信我。

我们下期见。

钩子：回复「autoresearch」获取完整使用教程和 GitHub 地址。

GitHub：https://github.com/karpathy/autoresearch