但这就是 Andrej Karpathy 今天凌晨开源的新项目 autoresearch 所做的事。项目上线不到几个小时，他在 X（原 Twitter）上的发布帖浏览量突破百万，GitHub 仓库迅速收获超过 2,500 ...

前沿 AI 研究曾经是由「肉身计算机」完成的：人们在吃饭、睡觉、娱乐之间抽时间做研究，并且偶尔通过一种名为「组会」的仪式，用声波互联（也就是交谈）来同步信息。那个时代已经一去不复返了。 如今，研究已经完全成为运行在天空中巨型计算集群上的自治 AI ...

每次实验的预算被固定为5分钟，无论使用何种GPU，AI如何修改代码，每次实验都能在相同时间内完成。这样的设计不仅确保了实验的可比性，还让不同的模型、batch size和优化器之间的效果一目了然。

88岁的图灵奖得主、计算机科学奠基人Donald Knuth（高德纳）最近发文，惊呼Shock! Shock!。 在他的短文《Claude’s Cycles》中，他记录了一件难以置信的事： ...

如果你有一块 NVIDIA GPU，睡前启动一个脚本，第二天早上醒来就能收获一百次 LLM 训练实验的结果，其中一部分还确实比你手动调参调得更好，是不是听起来有些难以置信？但这就是 Andrej Karpathy 今天凌晨开源的新项目 ...

Karpathy 一向是 AI 领域的预言家。 从科幻电影到大模型的演进，人们似乎总是执着于让智能体自己做研究和让人工智能自我迭代这件事。 先不论这个未来是光明还是危险，智能体自动化研究的能力已经逐渐走向了成熟。春节期间，一个名为 FARS 的自动化研究系统，每隔约 2 小时就有一篇论文产出，共生成 244 个研究假设，「肝」出了 100 篇短论文。 如果把这样的能力运用在智能体自己研究自己的训练 ...

在12小时不间断运行中，AI代理完成了110次代码提交，将模型验证损失从0.862降至0.858。这个看似微小的进步背后，是系统严格执行的优化规则：任何改进必须同时满足损失降低或训练加速的条件。某次提交虽成功降低损失，但因训练时间延长0.7秒被自动回滚，彰显出AI代理对优化目标的精准把控。

领英近期发布的一份报告显示，沟通能力、领导力及人员管理能力已经成为当今劳动力市场最抢手的技能。

阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新 曾几何时，前沿AI研究还靠着一群"碳水化合物计算机"——他们在吃饭睡觉摸鱼的间隙，偶尔通过"组会"仪式用声波互相吼两嗓子，就这么推进着人类的技术边界。那个年代已经一去不返。如今，研究完全被AI智能体接管，它们成群结队地在云端巨型计算集群里狂奔。据说代码已经迭代到了第10205代，但这数字真伪已无从考证——那些代码早已进化为能自我修改的二进制 ...