Karpathy扔出核彈！AI已經開始自己訓練自己了，人類還TM在寫代碼

【導讀】AI教父Karpathy發布了一個讓整個AI圈震動的項目——autoresearch。簡單說就是：讓AI當科學家，讓它自己設計、訓練、優化AI模型。你睡覺的時候，它在進化。你醒來的時候，它已經比你更懂怎么訓練AI了。上線一周狂攬46.7k Star，成為GitHub歷史上增長最快的項目之一。

突發！AI不需要人類了？

昨晚，AI圈又被一枚核彈炸了。

OpenAI前研究總監、特斯拉前AI總監、AI教父級別的人物 Andrej Karpathy，在Twitter上官宣發布了一個開源項目：autoresearch

GitHub：github.com/karpathy/autoresearch

這個項目干的事情就一件：讓AI自己研究怎么訓練AI。

不是人類調參，不是人類煉丹，是AI自己當科學家，自己設計模型架構，自己改優化器，自己跑實驗，自己看結果，自己決定下一步怎么改。

然后你睡一覺醒來，發現AI已經跑了近百次實驗，模型性能蹭蹭往上漲。

炸裂數據：7.5小時89次實驗，0崩潰

Karpathy本人實測：

• 7.5小時完成 89次實驗

• 保留 15項 有效改進

• 丟棄 74項 無效改動

• 0次崩潰

• 全程零人類干預

48小時內完成約 700次實驗，篩選出約 20項 累加改進

上線一周狂攬 46.7k Star，成為GitHub歷史上增長最快的開源項目之一

這玩意兒到底怎么玩的？

Karpathy設計了一套極其優雅的框架，核心三文件（總共約630行代碼）：

1. prepare.py —— 數據準備（固定不動）
下載訓練數據、訓練BPE分詞器、數據加載器和評估工具

2. train.py —— 模型和訓練循環（AI修改這個）
完整的GPT模型、優化器（Muon + AdamW）、訓練循環。所有東西都可以改：架構、超參、批量大小、優化器...

3. program.md —— 給AI agent的指令（人類修改這個）
AI agent的prompt，研究目標、決策規則

工作流程：

你睡覺 → AI agent讀取program.md → AI agent修改train.py → 跑5分鐘訓練實驗 → 檢查val_bpb → 保留或丟棄結果 → 繼續下一個實驗 → 你醒來 → 看到一晚上跑了100+實驗報告

?? 一小時12次實驗，一晚上100次

Karpathy設計了一個極其聰明的時間預算機制：不管你什么硬件，每次實驗固定5分鐘。

• 一小時 ≈ 12次實驗

• 一晚上（約8小時）≈ 100次實驗

• 你睡覺 = AI在進化

核心指標：val_bpb

autoresearch用val_bpb（validation bits per byte）作為唯一標準。越低越好。

它是詞表無關的，不管你怎么改模型架構，都可以公平比較。

怎么用？

安裝就三步：

curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync
uv run prepare.py
uv run train.py

人類負責啥？

改program.md。

對，你沒看錯。AI agent只動train.py，而人類只改program.md——也就是AI agent的指令文件。

相當于：你在編程一個"AI研究員"，而不是在寫AI代碼。

細思極恐

想象一下：你現在有一群AI agent，每個都在跑autoresearch，它們自己設計新的模型架構、自己發現新的優化技巧、7x24小時不停進化。然后它們產出的"更好的模型"，又被用來訓練下一代autoresearch agent。

這是一個自我進化的閉環。

Karpathy說：Research is now entirely the domain of autonomous swarms of AI agents running across compute cluster megastructures in the skies.

總結

autoresearch = AI研究員 + 快速實驗閉環 + 人類戰略指導

它代表的不是某個具體的技術突破，而是一種范式轉變：從"人類設計AI"到"人類指導AI設計AI"。

下次你看到AI又有重大突破的時候，想一想：說不定那個突破，不是人類想出來的。

【互動話題】

你覺得AI自主研究會在多久取代人類研究員？

? 5年內
? 10年內
? 20年內
? 不可能

評論區聊聊！